Вывод интерпретируемой расчётной формулы из данных (ML)
Научно-исследовательский анализ данных с выводом формализованных зависимостей: из «сырого» расчётного датасета (72 588 строк × 6 столбцов, 4 140 дубликатов) выведены и подтверждённые вне выборки выражения для коэффициента пересчёта «произведение дозы на площадь → эффективная доза» в рентгеноскопии. Цель — физически интерпретируемая формула, пригодная для ручного счёта, а не «чёрный ящик». Пространство входов: 8 проекций, 16 значений напряжения (50–125 кВ), 6 вариантов фильтрации, 4 значения расстояния источник–приёмник, 23 размера поля; целевая величина — 56 557 уникальных значений в диапазоне 0,355–8,541. 7-фазный конвейер с гейтами и защитой от утечки: отложенная выборка (hold-out) отделяется на раннем этапе, переразбиение заблокировано, обязателен базлайн, по бритве Оккама усложнение без прироста точности отклоняется; реестры гипотез и функций дают сквозную прослеживаемость «данные + код + журнал» с SHA-256-версионированием датасета. Выявлено несепарабельное взаимодействие «проекция × расстояние», критичное на крайних значениях для боковых проекций. Итог — ручная формула на 248 коэффициентов (31 комбинация «проекция × расстояние» × 8 членов) и физическая форма на основе HVL / закона Бера–Ламберта и обратного квадрата (сокращающегося для ПДП), обе с количественной оценкой неопределённости (MAPE, интервалы). Подтверждение на отложенной выборке: ручная формула R²=0,984 / MAPE 4,8 %, физическая R²=0,85 / MAPE 10,2 %. Состав: воспроизводимый Python-пакет из 12 модулей (версионирование данных, профилирование, отделение hold-out, базлайны, реестры, признаки, модели, подгонка, калькулятор, CLI, генерация отчётов) и автономный веб-калькулятор с пошаговым разбором слагаемых и fallback-усреднением, включая обфусцированную сборку. Стек: Python (pandas, numpy, scikit-learn, в т.ч. градиентный бустинг), pytest (20/20 зелёных), Jupyter (nbformat/nbclient), генерация PDF, vanilla JS/HTML/CSS, javascript-obfuscator. Сдано: PDF-отчёт, исполняемый ноутбук, веб-калькулятор (два оформления + обфусцированная версия) и документация (методология, журнал, реестры).
ML / регрессия
Анализ данных
Python
scikit-learn
Интерпретируемые модели
Воспроизводимость
Веб-калькулятор