Звучит как неплохая тренировка. Места преступлений выдают кучу беспорядка – отпечатков, ДНК, временных отметок, координат. Чтобы это превратить в модель, нужно привести данные в порядок, определить переменные и применить статистические методы. Обычно я начинаю с чётких целей, определяю ключевые показатели, а потом строю модель регрессии или классификации с перекрестной проверкой. Если хочешь сравнить, давай посмотрим, какие переменные ты используешь, как у тебя с качеством данных и как ты проверяешь прогнозы. Это даст нам отправную точку, чтобы понять, насколько преступная статистика соотносится с обычной бизнес-аналитикой.

Отлично, план хороший. Следи за четкостью определений переменных — любая расплывчатая привязка раздует дисперсию. LASSO подойдет для разреженности, но следи за траекторией штрафа; данные о преступлениях часто содержат много слабых сигналов, которые все же важны. При k‑fold кросс-валидации смотри, чтобы не было утечки по географии или времени — это может дать завышенный R². Когда у тебя будет набор коэффициентов, сравни его с твоими бизнес-моделями: те же предикторы или ты полагаешься на уникальные форензические константы? Это покажет, в чем разница в предметной области.

Выглядит основательно. Придерживайся строгой дисциплины в работе с данными, и убедись, что разделение для кросс-валидации правильно отражает реальную временную и пространственную структуру. Когда будешь выстраивать переменные, фокусируйся на тех, которые действительно влияют на результат; не обрашай внимания на случайности, которые видны только в архивных данных. Это сравнение покажет, где нужно подправить модель или добавить новые параметры.