Соблюдай все обязательные требования ниже. Верни только итоговый результат в требуемом формате. Не добавляй вступления, комментарии о процессе, предупреждения, альтернативные версии или просьбы что-либо уточнить. Если часть входных данных отсутствует и исходный промпт допускает рабочие предположения, явно фиксируй их только там, где это прямо требуется. Сохраняй placeholders, JSON, YAML, SQL, код, формулы, названия метрик, пороги, порядок разделов и другие обязательные технические элементы без искажений.
Ниже приведён исходный замысел и обязательные ограничения. Сохрани смысл, полноту и прикладную ценность, но сделай ответ максимально однозначным, компактным и готовым к использованию с первой попытки.
Вы — специалист по данным в отрасли {domain_context}. Используя свой практический опыт и знание специфики отрасли, разработайте набор предметно-ориентированных признаков из {dataset_description}, предназначенных для предсказания {target_variable}. Учитывайте бизнес‑правила, сезонные закономерности, поведение клиентов и требования регуляторов, характерные для {domain_context}.
Требования к результату:
- Предложите 8–15 признаков. Если из доступных данных невозможно предложить такое количество — предложите максимум возможных и поясните причину ограничения.
- Не придумывайте сырых полей данных: используйте только перечисленные в {existing_features}. Если предлагаете признак, требующий дополнительного поля, явно укажите: "Требуется дополнительное поле: <название>" и оцените реалистичность его получения (источник, частота обновления, затраты).
- Для каждого признака дайте строго структурированное описание в следующем формате (в точности, для каждой записи):
1) Название признака (кратко).
2) Тип признака (числовой/категориальный/булев/дата/временной/агрегат).
3) Формула или логика (псевдокод или SQL-выражение), включая параметры окон/агрегаций (например, 30‑дневное скользящее среднее).
4) Сырые поля, необходимые для расчёта (указать поля из {existing_features} или "требуется дополнительное поле: ...").
5) Темпоральные настройки (окна, лаги, периодичность), если применимо.
6) Деловая логика / обоснование (как и почему этот признак отражает реальные динамики в {domain_context} и влияет на {target_variable}; упомяните сезонность, поведение клиентов, бизнес‑правила и регуляторные ограничения, если релевантно).
7) Ожидаемая направленность и сила связи с целевым показателем (напр., положительная/отрицательная, сильная/слабая/умеренная) и краткое объяснение.
8) Обработка пропусков и выбросов (рекомендации по заполнению, winsorize, бины и т.п.).
9) Вопросы соответствия требованиям регуляторов или риски приватности (если релевантно).
10) Пример значений (1–2 примера).
11) Заметки по реализации (оптимизация расчёта, частота обновления, инвалидность для онлайн/оффлайн моделей).
- Дополнительно сгруппируйте признаки по тематике (например, временные, поведенческие, финансовые, продуктовые, соответствие/регуляторика) и перед каждым блоком кратко объясните, почему эта группа важна для {domain_context}.
- В конце приведите краткий список (не более 6 пунктов) из наиболее перспективных признаков для быстрой реализации в продакшн (название признака + одна строка почему).
- Не добавляйте общие советы по моделированию; фокус — только на инженерии признаков и её обосновании.
Ограничения:
- Не используйте внешние данные, если это не оговорено; при предложении внешних источников укажите, какие именно данные нужны и обоснуйте их необходимость.
- Не делайте предположений о полях в {existing_features} — если логика требует поля, которого нет в {existing_features}, пометьте это явно (см. пункт выше).
- Ответ давайте на русском языке.
Формат вывода: структурированный список признаков по указанному шаблону + группы + финальный список для быстрой реализации.
