-`data/character-predictions.csv` — исходные данные о персонажах;
-`notebooks/asoiaf_mortality.ipynb` — анализ данных, подготовка признаков, обучение и сравнение моделей.
## Основные этапы
1. Загрузка данных и анализ пропусков.
2. Создание целевой переменной `death`.
3. Отбор признаков и исключение утечек данных.
4. Исследование связи смертности с домом, популярностью и числом погибших родственников.
5. Предобработка числовых и категориальных признаков.
6. Сравнение Dummy Classifier, логистической регрессии и случайного леса.
7. Анализ ошибок, вероятностей и важности признаков.
## Результаты
Лучший ROC AUC показал Random Forest — около **0.74**. Он также получил F1 около **0.49**. Самым важным признаком оказалась популярность персонажа, заметно меньший вклад внесли возраст, пол и количество погибших родственников.
