небольшая правка коментов

Lab_3/lab3.ipynb

@@ -86,7 +86,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 47,
+   "execution_count": null,
    "metadata": {},
    "outputs": [
     {
@@ -107,8 +107,8 @@
    ],
    "source": [
     "# 3. Проверим датасет на наличие пропусков и удалим строки с недостающими данными\n",
-    "print(data.isnull().sum())  # Суммируем пропуски по каждому столбцу\n",
-    "data.dropna(inplace=True)  # Удаляем строки с пропусками\n",
+    "print(data.isnull().sum())  \n",
+    "data.dropna(inplace=True)  \n",
     "print(\"Данные после очистки:\", data.shape)\n"
    ]
   },
@@ -124,7 +124,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 48,
+   "execution_count": null,
    "metadata": {},
    "outputs": [
     {
@@ -144,8 +144,8 @@
     }
    ],
    "source": [
-    "print(data.isnull().sum())  # Вывод количества пропусков\n",
-    "data.dropna(inplace=True)  # Удаление строк с пропущенными значениями\n",
+    "print(data.isnull().sum())  \n",
+    "data.dropna(inplace=True)  \n",
     "print(f\"Количество строк после удаления пропусков: {data.shape[0]}\")\n"
    ]
   },
@@ -215,7 +215,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 51,
+   "execution_count": null,
    "metadata": {},
    "outputs": [
     {
@@ -232,7 +232,7 @@
     "from sklearn.model_selection import train_test_split\n",
     "\n",
     "X = data[scaled_columns]\n",
-    "y = data['Close']  # Заменить на целевую переменную, если другая\n",
+    "y = data['Close']\n",
     "X_train, X_temp, y_train, y_temp = train_test_split(X, y, test_size=0.4, random_state=42)\n",
     "X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, test_size=0.5, random_state=42)\n",
     "\n",
@@ -573,7 +573,6 @@
     "    dataframe_name=\"stock_data\",\n",
     "    dataframe=data,\n",
     "    index=\"datetime\",  \n",
-    "    # Убираем time_index, так как datetime уже используется как индекс\n",
     "    logical_types={\n",
     "        \"open\": ww.logical_types.Double,  \n",
     "        \"high\": ww.logical_types.Double,\n",
@@ -594,13 +593,10 @@
     "# Выводим имена столбцов в feature_matrix, чтобы убедиться, какие признаки были сгенерированы\n",
     "print(\"Generated feature columns:\", feature_matrix.columns)\n",
     "\n",
-    "# Объединяем новые признаки с исходными данными, добавив суффиксы для дублирующихся столбцов\n",
     "data_featuretools = data.join(feature_matrix, lsuffix='_orig', rsuffix='_feature')\n",
     "\n",
-    "# Масштабирование данных\n",
     "scaler = StandardScaler()\n",
     "\n",
-    "# Используем правильные имена столбцов для масштабирования\n",
     "scaled_columns = ['open_orig', 'high_orig', 'low_orig', 'close_orig', 'volume_orig']\n",
     "\n",
     "data_featuretools[scaled_columns] = scaler.fit_transform(data_featuretools[scaled_columns])\n",
@@ -609,7 +605,7 @@
     "\n",
     "feature_columns = [col for col in feature_matrix.columns if 'feature' in col]\n",
     "X = data_featuretools[scaled_columns + feature_columns]\n",
-    "y = data_featuretools['close_orig']  # Целевая переменная\n",
+    "y = data_featuretools['close_orig'] \n",
     "\n",
     "X_train, X_temp, y_train, y_temp = train_test_split(X, y, test_size=0.4, random_state=42)\n",
     "X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, test_size=0.5, random_state=42)\n",