Прогнозирование качества извлечения оксида железа из руды с помощью машинного обучения

Классное имя. Правда сразу же отвлёкся на проверить что оно настоящее )

Метрика - rmse, а в последнем абзаце получаем из ниоткуда странную 99% точность.

Кросс валидация - kfold - могут течь значения из одинаковых «заборов», я бы ещё взял отложенный “holdout” сет разнесенный по времени (что даст более корректную оценку)

Высокая точность может также говорить о том что «текут» признаки. Или том, что целевое значение это «производная» из одного из признаков - я бы построил ещё корреляцию признаков и целевого значения.

Машинное обучение это прекрасно, но статья слишком оптимистична - если модель показывает слишком хорошие результаты, то что-то не так с моделью.

Флотационные ячейки собраны в каскад и обладают высокой корреляцией. Почему не использовали сжатие пространства?