Розничный продавец построил простую линейную модель для прогнозирования продаж на основе цены, и график остатков указывает на явную нелинейную зависимость. Какие действия следует предпринять инженеру машинного обучения для повышения точности прогнозирования? (Выберите три.)

График остатков, указывающий на явную нелинейную зависимость, означает, что линейная модель не улавливает истинную связь между ценой и продажами. 1. Разделить данные и построить две отдельные модели для разных областей данных: Если нелинейность проявляется в разных сегментах данных (например, при низких и высоких ценах), создание отдельных моделей для каждого сегмента может лучше аппроксимировать эти разные зависимости. 2. Проверить входные признаки и применить соответствующие нелинейные преобразования там, где это необходимо: Применение нелинейных преобразований (например, логарифмирование, возведение в степень, полиномиальные признаки) к признаку "цена" может помочь линейной модели уловить нелинейные паттерны. 3. Заменить линейную модель нелинейной моделью: Использование изначально нелинейной модели (например, деревьев решений, случайного леса, градиентного бустинга, нейронных сетей) может напрямую обрабатывать нелинейные отношения без необходимости ручных преобразований признаков. Остальные варианты неэффективны: уменьшение размера выборки без учета нелинейности не решит проблему; смещение входных значений не изменит форму зависимости; уменьшение выборки только для части данных не является общим решением.