diff --git a/Configuration/GlobalAssemblyInfo.cs b/Configuration/GlobalAssemblyInfo.cs
index 297f063bf..de1b4c426 100644
--- a/Configuration/GlobalAssemblyInfo.cs
+++ b/Configuration/GlobalAssemblyInfo.cs
@@ -15,7 +15,7 @@ internal static class RevisionClass
 	public const string Major = "3";
 	public const string Minor = "11";
 	public const string Build = "1";
-	public const string Revision = "3808";
+	public const string Revision = "3810";
 
         public const string MainVersion = Major + "." + Minor;
 	public const string FullVersion = Major + "." + Minor + "." + Build + "." + Revision;
diff --git a/Configuration/Version.defs b/Configuration/Version.defs
index 9ff4502d6..9bc6d5ec3 100644
--- a/Configuration/Version.defs
+++ b/Configuration/Version.defs
@@ -1,4 +1,4 @@
 %COREVERSION%=1
-%REVISION%=3808
+%REVISION%=3810
 %MINOR%=11
 %MAJOR%=3
diff --git a/Release/pabcversion.txt b/Release/pabcversion.txt
index 4bdc3c29c..812a9586e 100644
--- a/Release/pabcversion.txt
+++ b/Release/pabcversion.txt
@@ -1 +1 @@
-3.11.1.3808
+3.11.1.3810
diff --git a/ReleaseGenerators/PascalABCNET_version.nsh b/ReleaseGenerators/PascalABCNET_version.nsh
index 58faf7f9e..7a41d17d7 100644
--- a/ReleaseGenerators/PascalABCNET_version.nsh
+++ b/ReleaseGenerators/PascalABCNET_version.nsh
@@ -1 +1 @@
-!define VERSION '3.11.1.3808'
+!define VERSION '3.11.1.3810'
diff --git a/bin/Lib/DataAdapters.pas b/bin/Lib/DataAdapters.pas
index 48d4b4daa..89507073e 100644
--- a/bin/Lib/DataAdapters.pas
+++ b/bin/Lib/DataAdapters.pas
@@ -25,6 +25,8 @@ const
     'Столбец "{0}" должен быть категориальным для EncodeLabels!!Column "{0}" must be categorical for EncodeLabels';
   ER_ENCODELABELS_UNSUPPORTED_TYPE =
     'Неподдерживаемый тип столбца "{0}" для EncodeLabels!!Unsupported column type "{0}" for EncodeLabels';
+  ER_TARGET_HAS_NA =
+    'Целевой столбец "{0}" содержит NA!!Target column "{0}" contains NA values';  
     
 function ToMatrix(Self: DataFrame; colNames: array of string): Matrix; extensionmethod;
 begin
@@ -89,6 +91,11 @@ begin
 
   if not Self.IsCategorical(target) then
     ArgumentError(ER_ENCODELABELS_NOT_CATEGORICAL, target);
+  
+  var col := Self[target];
+  for var i := 0 to Self.RowCount - 1 do
+    if not col.IsValid[i] then
+      ArgumentError(ER_TARGET_HAS_NA, target);
 
   if Self.GetColumnType(target) = ColumnType.ctStr then
   begin
@@ -130,15 +137,18 @@ begin
 
   if not Self.IsCategorical(target) then
     ArgumentError(ER_ENCODELABELS_NOT_CATEGORICAL, target);
+  
+  var col := Self[target];
+  for var i := 0 to Self.RowCount - 1 do
+    if not col.IsValid[i] then
+      ArgumentError(ER_TARGET_HAS_NA, target);
 
   case Self.GetColumnType(target) of
-
     ColumnType.ctStr:
       begin
         var labels := Self.GetStrColumn(target).ToArray;
         Result := EncodeLabels(labels, classes);
       end;
-
     ColumnType.ctInt:
       begin
         var labels := Self.GetIntColumn(target).ToArray;
@@ -149,7 +159,6 @@ begin
         // если API требует string classes:
         classes := intClasses.Select(x -> x.ToString).ToArray;
       end;
-
     else
       ArgumentError(ER_ENCODELABELS_UNSUPPORTED_TYPE, target);
   end;
@@ -176,15 +185,18 @@ begin
 
   if not Self.IsCategorical(target) then
     ArgumentError(ER_ENCODELABELS_NOT_CATEGORICAL, target);
+  
+  var col := Self[target];
+  for var i := 0 to Self.RowCount - 1 do
+    if not col.IsValid[i] then
+      ArgumentError(ER_TARGET_HAS_NA, target);
 
   case Self.GetColumnType(target) of
-  
     ColumnType.ctStr:
       begin
         var data := Self.GetStrColumn(target).ToArray;
         Result := TransformLabels(data, classes);
       end;
-  
     ColumnType.ctInt:
       begin
         var data := Self.GetIntColumn(target).ToArray;
@@ -195,7 +207,6 @@ begin
   
         Result := TransformLabels(strData, classes);
       end;
-  
     else
       ArgumentError(ER_ENCODELABELS_UNSUPPORTED_TYPE, target);
   end;
@@ -224,6 +235,11 @@ begin
 
   if Self.GetColumnType(target) <> ColumnType.ctInt then
     ArgumentError(ER_ENCODELABELS_UNSUPPORTED_TYPE, target);
+  
+  var col := Self[target];
+  for var i := 0 to Self.RowCount - 1 do
+    if not col.IsValid[i] then
+      ArgumentError(ER_TARGET_HAS_NA, target);
 
   var data := Self.GetIntColumn(target).ToArray;
 
@@ -253,6 +269,11 @@ begin
   if Self.GetColumnType(target) <> ColumnType.ctInt then
     ArgumentError(ER_ENCODELABELS_UNSUPPORTED_TYPE, target);
 
+  var col := Self[target];
+  for var i := 0 to Self.RowCount - 1 do
+    if not col.IsValid[i] then
+      ArgumentError(ER_TARGET_HAS_NA, target);
+
   var labels := Self.GetIntColumn(target).ToArray;
 
   Result := EncodeLabelsInt(labels, classes);
diff --git a/bin/Lib/DataFrameABC.pas b/bin/Lib/DataFrameABC.pas
index e516c41b5..63e3fc97d 100644
--- a/bin/Lib/DataFrameABC.pas
+++ b/bin/Lib/DataFrameABC.pas
@@ -49,24 +49,14 @@ type
 
     procedure RebuildSchema;
     
-    // Join методы
-    
-    //procedure AppendJoinedRow(leftCur, rightCur: DataFrameCursor; leftKeyIdx, rightKeyIdx: array of integer);
-    //procedure AppendLeftOnlyRow(leftCur: DataFrameCursor; leftKeyIdx, rightKeyIdx: array of integer);
-    //procedure AppendRightOnlyRow(rightCur: DataFrameCursor; leftKeyIdx, rightKeyIdx: array of integer; leftColumnCount: integer);
-    
     // Single key методы
-    {function DataFrame.JoinInnerSingleKey(other: DataFrame; leftKey, rightKey: integer;
-      resultSchema: DataFrameSchema): DataFrame;}
     function JoinInnerSingleKey(other: DataFrame; key: string): DataFrame;
     function JoinInnerSingleKeyInt(other: DataFrame; leftKey, rightKey: integer): DataFrame;
-    function JoinInnerSingleKeyFloat(other: DataFrame; leftKey, rightKey: integer): DataFrame;
     function JoinInnerSingleKeyStr(other: DataFrame; leftKey, rightKey: integer): DataFrame;
     function JoinInnerSingleKeyBool(other: DataFrame; leftKey, rightKey: integer): DataFrame;
     
     function LeftJoinSingleKey(other: DataFrame; key: string): DataFrame;
     function LeftJoinSingleKeyInt(other: DataFrame; leftKey, rightKey: integer): DataFrame;
-    function LeftJoinSingleKeyFloat(other: DataFrame; leftKey, rightKey: integer): DataFrame;
     function LeftJoinSingleKeyStr(other: DataFrame; leftKey, rightKey: integer): DataFrame;
     function LeftJoinSingleKeyBool(other: DataFrame; leftKey, rightKey: integer): DataFrame;
     
@@ -96,7 +86,6 @@ type
 
     function CreateEmptyBySchema(schema: DataFrameSchema): DataFrame;
     
-    function GetColumnIndex(name: string): integer;
     function GetColumn(name: string): Column;
     
     function CloneWithCopiedColumns: DataFrame;
@@ -713,43 +702,6 @@ begin
   res.AddIntColumn(name, data, valid);
 end;
 
-procedure BuildMergedFloatKeyColumnFromFullJoin(
-  res: DataFrame;
-  name: string;
-  leftCol: FloatColumn;
-  rightCol: FloatColumn;
-  leftIdx, rightIdx: array of integer
-);
-begin
-  var n := leftIdx.Length;
-  var data := new real[n];
-  var valid := new boolean[n];
-
-  for var i := 0 to n - 1 do
-  begin
-    var li := leftIdx[i];
-    var ri := rightIdx[i];
-
-    if li >= 0 then
-    begin
-      data[i] := leftCol.Data[li];
-      valid[i] := leftCol.IsValid[li];
-    end
-    else if ri >= 0 then
-    begin
-      data[i] := rightCol.Data[ri];
-      valid[i] := rightCol.IsValid[ri];
-    end
-    else
-    begin
-      data[i] := 0.0;
-      valid[i] := False;
-    end;
-  end;
-
-  res.AddFloatColumn(name, data, valid);
-end;
-
 procedure BuildMergedStrKeyColumnFromFullJoin(
   res: DataFrame;
   name: string;
@@ -1032,23 +984,21 @@ function DataFrame.BuildJoinKey(cur: DataFrameCursor; layout: JoinKeyLayout; var
 begin
   hasNA := false;
 
-  var ic := 0; var fc := 0; var sc := 0; var bc := 0;
+  var ic := 0; var sc := 0; var bc := 0;
 
   // считаем размеры
   for var i := 0 to layout.ColTypes.Length - 1 do
     case layout.ColTypes[i] of
       ctInt: inc(ic);
-      ctFloat: inc(fc);
       ctStr: inc(sc);
       ctBool: inc(bc);
     end;
 
   Result.Ints := new integer[ic];
-  Result.Floats := new real[fc];
   Result.Strs := new string[sc];
   Result.Bools := new boolean[bc];
 
-  ic := 0; fc := 0; sc := 0; bc := 0;
+  ic := 0; sc := 0; bc := 0;
 
   for var i := 0 to layout.ColIndices.Length - 1 do
   begin
@@ -1066,10 +1016,7 @@ begin
           inc(ic);
         end;
       ctFloat:
-        begin
-          Result.Floats[fc] := cur.Float(col);
-          inc(fc);
-        end;
+        Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
       ctStr:
         begin
           Result.Strs[sc] := cur.Str(col);
@@ -1080,6 +1027,8 @@ begin
           Result.Bools[bc] := cur.Bool(col);
           inc(bc);
         end;
+      else
+        Error(ER_UNSUPPORTED_COLUMN_TYPE, layout.ColTypes[i]);  
     end;
   end;
 end;
@@ -1104,23 +1053,24 @@ end;
 
 function DataFrame.LeftJoinSingleKey(other: DataFrame; key: string): DataFrame;
 begin
-  // 1. индексы ключей — через Schema
   var leftKey := fSchema.IndexOf(key);
   var rightKey := other.fSchema.IndexOf(key);
 
-  // 2. проверка типов ключей — через Schema
   var lt := fSchema.ColumnTypeAt(leftKey);
   var rt := other.fSchema.ColumnTypeAt(rightKey);
 
   if lt <> rt then
     Error(ER_JOIN_KEY_TYPE_MISMATCH);
 
-  // 3. типоспецифичный алгоритм (КАК РАНЬШЕ)
+  if lt = ctFloat then
+    Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
+
   case lt of
     ctInt:   Result := LeftJoinSingleKeyInt(other, leftKey, rightKey);
-    ctFloat: Result := LeftJoinSingleKeyFloat(other, leftKey, rightKey);
     ctStr:   Result := LeftJoinSingleKeyStr(other, leftKey, rightKey);
     ctBool:  Result := LeftJoinSingleKeyBool(other, leftKey, rightKey);
+    else
+      Error(ER_UNSUPPORTED_COLUMN_TYPE, lt);
   end;
 end;
 
@@ -1177,62 +1127,6 @@ begin
   Result := BuildLeftJoinResult(Self, other, leftIdx, rightIdx, leftKey, rightKey);
 end;
 
-function DataFrame.LeftJoinSingleKeyFloat(other: DataFrame; leftKey, rightKey: integer): DataFrame;
-begin
-  Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
-  Result := nil;
-  
-  {var index := new Dictionary<real, List<integer>>;
-
-  var rcur := other.GetCursor;
-  while rcur.MoveNext do
-    if rcur.IsValid(rightKey) then
-    begin
-      var k := rcur.Float(rightKey);
-
-      var lst: List<integer>;
-      if not index.TryGetValue(k, lst) then
-      begin
-        lst := new List<integer>;
-        index[k] := lst;
-      end;
-
-      lst.Add(rcur.Position);
-    end;
-
-  var leftIdx  := new List<integer>;
-  var rightIdx := new List<integer>;
-
-  var lcur := GetCursor;
-  while lcur.MoveNext do
-  begin
-    var lpos := lcur.Position;
-
-    if not lcur.IsValid(leftKey) then
-    begin
-      leftIdx.Add(lpos);
-      rightIdx.Add(-1);
-      continue;
-    end;
-
-    var k := lcur.Float(leftKey);
-
-    if index.ContainsKey(k) then
-      foreach var r in index[k] do
-      begin
-        leftIdx.Add(lpos);
-        rightIdx.Add(r);
-      end
-    else
-    begin
-      leftIdx.Add(lpos);
-      rightIdx.Add(-1);
-    end;
-  end;
-
-  Result := BuildLeftJoinResult(Self, other, leftIdx, rightIdx, leftKey, rightKey);}
-end;
-
 function DataFrame.LeftJoinSingleKeyStr(other: DataFrame; leftKey, rightKey: integer): DataFrame;
 begin
   var index := new Dictionary<string, List<integer>>;
@@ -1540,14 +1434,7 @@ begin
           );
   
         ctFloat:
-          BuildMergedFloatKeyColumnFromFullJoin(
-            res,
-            name,
-            FloatColumn(col),
-            FloatColumn(other.columns[ri]),
-            leftArr,
-            rightArr
-          );
+          Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
   
         ctStr:
           BuildMergedStrKeyColumnFromFullJoin(
@@ -1685,15 +1572,7 @@ begin
             IntColumn(other.columns[ri]),
             leftArr, rightArr
           );
-  
-        ctFloat:
-          BuildMergedFloatKeyColumnFromFullJoin(
-            res, name,
-            FloatColumn(col),
-            FloatColumn(other.columns[ri]),
-            leftArr, rightArr
-          );
-  
+        
         ctStr:
           BuildMergedStrKeyColumnFromFullJoin(
             res, name,
@@ -1740,11 +1619,15 @@ begin
   if lt <> rt then
     Error(ER_JOIN_KEY_TYPE_MISMATCH);
 
+  if lt = ctFloat then
+    Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
+
   case lt of
     ctInt:   Result := JoinInnerSingleKeyInt(other, leftKey, rightKey);
-    ctFloat: Result := JoinInnerSingleKeyFloat(other, leftKey, rightKey);
     ctStr:   Result := JoinInnerSingleKeyStr(other, leftKey, rightKey);
     ctBool:  Result := JoinInnerSingleKeyBool(other, leftKey, rightKey);
+    else
+      Error(ER_UNSUPPORTED_COLUMN_TYPE, lt);
   end;
 end;
 
@@ -1823,49 +1706,6 @@ begin
   Result := BuildJoinResult(Self, other, leftIdx, rightIdx, leftKey, rightKey);
 end;
 
-function DataFrame.JoinInnerSingleKeyFloat(other: DataFrame; leftKey, rightKey: integer): DataFrame;
-begin
-  Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
-  Result := nil;
-  {var index := new Dictionary<real, List<integer>>;
-
-  var rcur := other.GetCursor;
-  while rcur.MoveNext do
-    if rcur.IsValid(rightKey) then
-    begin
-      var k := rcur.Float(rightKey);
-
-      var lst: List<integer>;
-      if not index.TryGetValue(k, lst) then
-      begin
-        lst := new List<integer>;
-        index[k] := lst;
-      end;
-
-      lst.Add(rcur.Position);
-    end;
-
-  var leftIdx  := new List<integer>;
-  var rightIdx := new List<integer>;
-
-  var lcur := GetCursor;
-  while lcur.MoveNext do
-    if lcur.IsValid(leftKey) then
-    begin
-      var k := lcur.Float(leftKey);
-
-      var rows: List<integer>;
-      if index.TryGetValue(k, rows) then
-        foreach var r in rows do
-        begin
-          leftIdx.Add(lcur.Position);
-          rightIdx.Add(r);
-        end;
-    end;
-
-  Result := BuildJoinResult(Self, other, leftIdx, rightIdx, leftKey, rightKey);}
-end;
-
 function DataFrame.JoinInnerSingleKeyStr(other: DataFrame; leftKey, rightKey: integer): DataFrame;
 begin
   var index := new Dictionary<string, List<integer>>;
@@ -2028,9 +1868,17 @@ end;
 function DataFrame.BuildJoinKeyLayout(keyIndices: array of integer): JoinKeyLayout;
 begin
   Result.ColIndices := keyIndices;
-  Result.ColTypes := ArrGen(keyIndices.Length,
-    i -> columns[keyIndices[i]].Info.ColType
-  );
+  Result.ColTypes := new ColumnType[keyIndices.Length];
+  
+  for var i := 0 to keyIndices.Length - 1 do
+  begin
+    var t := columns[keyIndices[i]].Info.ColType;
+    
+    if t = ctFloat then
+      Error(ER_JOIN_FLOAT_KEY_NOT_SUPPORTED);
+    
+    Result.ColTypes[i] := t;
+  end;
 end;
 
 function DataFrame.Join(other: DataFrame; keys: array of string; kind: JoinKind): DataFrame;
@@ -2131,10 +1979,7 @@ function DataFrame.ColumnCount: integer := columns.Count;
 
 function DataFrame.ColumnIndex(name: string): integer;
 begin
-  for var i := 0 to columns.Count - 1 do
-    if columns[i].Info.Name = name then
-      exit(i);
-  Error(ER_COLUMN_NOT_FOUND, name);
+   Result := fSchema.IndexOf(name);
 end;
 
 function DataFrame.HasColumn(name: string): boolean;
@@ -3121,12 +2966,7 @@ begin
     rightIdx[i] := right.fSchema.IndexOf(rightKeys[i]);
   end;
 
-  Result := BuildJoinSchema(
-    right,
-    leftIdx,
-    rightIdx,
-    'right_'
-  );
+  Result := BuildJoinSchema(right, leftIdx, rightIdx, 'right_');
 end;
 
 function DataFrame.CreateEmptyBySchema(schema: DataFrameSchema): DataFrame;
@@ -3150,14 +2990,9 @@ begin
   Result := new DataFrame(cols, schema);
 end;
 
-function DataFrame.GetColumnIndex(name: string): integer;
-begin
-  Result := fschema.IndexOf(name);  // если у вас есть такой метод
-end;
-
 function DataFrame.GetColumn(name: string): Column;
 begin
-  var idx := GetColumnIndex(name);
+  var idx := ColumnIndex(name);
   Result := columns[idx];
 end;
 
@@ -3212,20 +3047,8 @@ begin
 
   while cur.MoveNext do
   begin
-    try
-      data[i] := f(cur);
-    except
-      on e: Exception do
-      begin
-        data[i] := 0;
-        valid[i] := False;
-        i += 1;
-        continue;
-      end;
-    end;
-
+    data[i] := f(cur);
     valid[i] := True;
-
     i += 1;
   end;
 
@@ -3251,20 +3074,8 @@ begin
 
   while cur.MoveNext do
   begin
-    try
-      data[i] := f(cur);
-    except
-      on e: Exception do
-      begin
-        data[i] := 0.0;
-        valid[i] := False;
-        i += 1;
-        continue;
-      end;
-    end;
-
+    data[i] := f(cur);
     valid[i] := True;
-
     i += 1;
   end;
 
@@ -3290,20 +3101,8 @@ begin
 
   while cur.MoveNext do
   begin
-    try
-      data[i] := f(cur);
-    except
-      on e: Exception do
-      begin
-        data[i] := nil;
-        valid[i] := False;
-        i += 1;
-        continue;
-      end;
-    end;
-
+    data[i] := f(cur);
     valid[i] := True;
-
     i += 1;
   end;
 
@@ -3329,20 +3128,8 @@ begin
 
   while cur.MoveNext do
   begin
-    try
-      data[i] := f(cur);
-    except
-      on e: Exception do
-      begin
-        data[i] := False;
-        valid[i] := False;
-        i += 1;
-        continue;
-      end;
-    end;
-
+    data[i] := f(cur);
     valid[i] := True;
-
     i += 1;
   end;
 
@@ -3403,20 +3190,8 @@ begin
     end;
 
     // --- вычисление
-    try
-      data[row] := f(cur);
-    except
-      on e: Exception do
-      begin
-        data[row] := 0.0;
-        valid[row] := False;
-        row += 1;
-        continue;
-      end;
-    end;
-
+    data[row] := f(cur);
     valid[row] := True;
-
     row += 1;
   end;
 
@@ -3455,18 +3230,22 @@ begin
 
   var cur := GetCursor;
   var row := 0;
+  
   while cur.MoveNext do
   begin
-    try
-      data[row] := f(cur);
-      valid[row] := True;
-    except
-      on e: Exception do
-      begin
-        data[row] := 0;
-        valid[row] := False;
-      end;
+    // NA из исходных данных
+    if not cur.IsValid(colIndex) then
+    begin
+      data[row] := 0;
+      valid[row] := false;
+      row += 1;
+      continue;
     end;
+  
+    // строгий расчёт
+    data[row] := f(cur);
+    valid[row] := True;
+  
     row += 1;
   end;
 
@@ -4117,6 +3896,8 @@ end;
 procedure DataFrame.AssertSchemaConsistent;
 begin
   {$IFNDEF Test}
+  
+  if columns.Count = 0 then exit;
 
   // --- 1. одинаковая RowCount у всех столбцов ---
   var rc := columns[0].RowCount;
@@ -4136,7 +3917,7 @@ begin
     if not fSchema.HasColumn(name) then
       Error(ER_SCHEMA_COLUMN_MISSING, name);
       
-    var idx := GetColumnIndex(name);
+    var idx := ColumnIndex(name);
     if idx <> i then
       Error(ER_SCHEMA_COLUMN_INDEX_INCONSISTENT, name, idx, i);
   end;
diff --git a/bin/Lib/DataFrameABCCore.pas b/bin/Lib/DataFrameABCCore.pas
index 6a18030d3..fd75b9899 100644
--- a/bin/Lib/DataFrameABCCore.pas
+++ b/bin/Lib/DataFrameABCCore.pas
@@ -98,6 +98,7 @@ type
   Column = abstract class
     Info: ColumnInfo;
   public
+    IsValid: array of boolean;  // Флаги валидности (может быть nil)
     /// Пытается извлечь i-тое данное из столбца как числовое если это возможно
     function TryGetNumericValue(i: integer; var value: real): boolean; virtual; abstract;
     /// Возвращает количество строк в столбце
@@ -108,7 +109,6 @@ type
   IntColumn = class(Column)
     // Data и IsValid считаются immutable после создания
     Data: array of integer;     // Данные столбца
-    IsValid: array of boolean;  // Флаги валидности (может быть nil)
   public
     constructor Create; begin end;
     constructor Create(name: string);
@@ -121,7 +121,6 @@ type
   /// Столбец вещественных чисел
   FloatColumn = class(Column)
     Data: array of real;        // Данные столбца
-    IsValid: array of boolean;  // Флаги валидности
   public  
     constructor Create; begin end;
     constructor Create(name: string);
@@ -135,7 +134,6 @@ type
   /// Столбец строк
   StrColumn = class(Column)
     Data: array of string;      // Данные столбца
-    IsValid: array of boolean;  // Флаги валидности
   public
     constructor Create; begin end;
     constructor Create(name: string);
@@ -153,7 +151,6 @@ type
   /// Столбец булевых значений
   BoolColumn = class(Column)
     Data: array of boolean;     // Данные столбца
-    IsValid: array of boolean;  // Флаги валидности
   public  
     constructor Create; begin end;
     constructor Create(name: string);
@@ -177,9 +174,9 @@ type
     ColTypes: array of ColumnType;
   end;
   
+  // Нет Floats - по ним нельзя Join!!!
   JoinKey = record
     Ints: array of integer;
-    Floats: array of real;
     Strs: array of string;
     Bools: array of boolean;
     function Equals(oth: object): boolean; override;
@@ -731,16 +728,12 @@ begin
   var other := JoinKey(oth);
 
   if Ints.Length <> other.Ints.Length then exit(false);
-  if Floats.Length <> other.Floats.Length then exit(false);
   if Strs.Length <> other.Strs.Length then exit(false);
   if Bools.Length <> other.Bools.Length then exit(false);
 
   for var i := 0 to Ints.Length - 1 do
     if Ints[i] <> other.Ints[i] then exit(false);
 
-  for var i := 0 to Floats.Length - 1 do
-    if Floats[i] <> other.Floats[i] then exit(false);
-
   for var i := 0 to Strs.Length - 1 do
     if Strs[i] <> other.Strs[i] then exit(false);
 
@@ -757,9 +750,6 @@ begin
   foreach var v in Ints do
     h := h * 31 + v.GetHashCode;
 
-  foreach var v in Floats do
-    h := h * 31 + v.GetHashCode;
-
   foreach var v in Strs do
     h := h * 31 + (if v = nil then 0 else v.GetHashCode);
 
diff --git a/bin/Lib/MLABC.pas b/bin/Lib/MLABC.pas
index cff013057..95b72a5c6 100644
--- a/bin/Lib/MLABC.pas
+++ b/bin/Lib/MLABC.pas
@@ -1,4 +1,8 @@
-// =============================================================
+/// Основной модуль библиотеки машинного обучения.
+/// Объединяет модели, метрики, валидацию и вспомогательные компоненты.
+unit MLABC;
+
+// =============================================================
 // СТАТИСТИЧЕСКАЯ ПОЛИТИКА БИБЛИОТЕКИ ML PascalABC.NET
 //
 // В библиотеке используются следующие соглашения:
@@ -17,9 +21,20 @@
 //   • алгоритмы ML — дисперсия генеральной совокупности
 // =============================================================
 
-/// Основной модуль библиотеки машинного обучения.
-/// Объединяет модели, метрики, валидацию и вспомогательные компоненты.
-unit MLABC;
+// =============================================================
+// PIPELINES
+//
+// DataFrame-based:
+//   DataPipeline
+//   UDataPipeline
+//
+// Matrix/Vector-based:
+//   MatrixPipeline
+//   UMatrixPipeline
+//
+// Оба варианта являются равноправными и используются
+// в зависимости от представления данных.
+// =============================================================
 
 interface 
 
@@ -74,7 +89,7 @@ type
   NormType = MLModelsABC.NormType;
   
   Activations = MLModelsABC.Activations;
-  Pipeline = MLModelsABC.Pipeline;
+  Pipeline = MLModelsABC.MatrixPipeline;
   
   LinearRegression = MLModelsABC.LinearRegression;
   LogisticRegression = MLModelsABC.LogisticRegression;
@@ -113,7 +128,7 @@ type
   IModel = MLCoreABC.IModel;
   ISupervisedModel = MLCoreABC.ISupervisedModel;
   IUnsupervisedModel = MLCoreABC.IUnsupervisedModel;
-  UPipeline = MLModelsABC.UPipeline;
+  UPipeline = MLModelsABC.UMatrixPipeline;
   UDataPipeline = MLPipelineABC.UDataPipeline;
   TaskKind = MLPipelineABC.TaskKind;
   
diff --git a/bin/Lib/MLModelsABC.pas b/bin/Lib/MLModelsABC.pas
index a23e87d81..9de5e56f8 100644
--- a/bin/Lib/MLModelsABC.pas
+++ b/bin/Lib/MLModelsABC.pas
@@ -355,7 +355,9 @@ type
     fCheckConvergence: boolean;
     fMinImprovement: real;
     
-    fClassLabels: array of string; // В каждой модели классификации
+    fClassLabels: array of string; 
+    
+    fUseFastExp: boolean;
     
     function GetWeights: Matrix;
     function GetIntercept: Vector;
@@ -369,7 +371,8 @@ type
       epochs: integer := 1000;
       tol: real := 1e-6;
       checkConvergence: boolean := true;
-      minImprovement: real := 1e-8
+      minImprovement: real := 1e-8;
+      useFastExp: boolean := True
     );
   
 /// Обучает модель логистической регрессии.
@@ -380,7 +383,7 @@ type
 /// Примечание:
 ///   • обученное состояние модели НЕ копируется методом Clone
     function Fit(X: Matrix; y: Vector): ISupervisedModel;
-  
+    
     /// Возвращает матрицу вероятностей (m x k).
     function PredictProba(X: Matrix): Matrix;
   
@@ -1571,9 +1574,6 @@ type
     fTouched: array of integer;
     fEpoch: integer;
     
-    fSampleIdx: array of integer;
-    fSampleSize: integer;
-
   public
     /// Создаёт классификатор kNN.
     /// k — число ближайших соседей (k > 0).
@@ -1589,14 +1589,22 @@ type
 ///   • обученное состояние модели (обучающая выборка) НЕ копируется методом Clone
     function Fit(X: Matrix; y: Vector): ISupervisedModel; override;
     
-    /// Выполняет предсказание меток классов для объектов X.
-    /// Возвращает вектор предсказанных меток
+/// Выполняет предсказание меток классов для объектов X.
+/// Возвращает вектор предсказанных меток.
+/// Не является потокобезопасным: не вызывать одновременно из нескольких потоков
+/// для одного экземпляра модели.
     function Predict(X: Matrix): Vector; override;
     
+    /// Выполняет предсказание меток классов для объектов X.
+    /// Возвращает массив индексов классов.
+    /// Не является потокобезопасным: не вызывать одновременно из нескольких потоков
+    /// для одного экземпляра модели.
     function PredictLabels(X: Matrix): array of integer;
     
     /// Возвращает матрицу вероятностей размера (nSamples × nClasses).
-    /// Столбцы соответствуют классам в порядке, возвращаемом GetClasses()
+    /// Столбцы соответствуют классам в порядке, возвращаемом GetClasses().
+    /// Не является потокобезопасным: не вызывать одновременно из нескольких потоков
+    /// для одного экземпляра модели.
     function PredictProba(X: Matrix): Matrix;
     
     /// Возвращает массив меток классов в порядке столбцов PredictProba
@@ -1839,7 +1847,7 @@ type
   
 {$endregion Models}
 
-{$region Pipeline}
+{$region MatrixPipeline}
 /// Последовательный конвейер машинного обучения (supervised).
 /// Гарантирует строгий порядок выполнения шагов:
 ///   [преобразователи] → [модель].
@@ -1854,7 +1862,10 @@ type
 ///
 /// Обеспечивает единый интерфейс Fit(X, y) / Predict(X)
 /// и воспроизводимость полного процесса обучения
-  Pipeline = class(ISupervisedModel)
+/// 
+/// MatrixPipeline используется, когда данные уже представлены 
+/// в виде Matrix X и Vector y
+  MatrixPipeline = class(ISupervisedModel)
   private
     fTransformers: List<ITransformer>;
     fModel: ISupervisedModel;
@@ -1870,7 +1881,7 @@ type
     constructor Create;
     
 {
-    // Pipeline.Build используется, когда данные уже представлены
+    // MatrixPipeline.Build используется, когда данные уже представлены
     // в виде числовой матрицы признаков X и вектора целевой переменной y.
     // В этом случае DataFrame и препроцессоры уровня таблицы не требуются.
     //
@@ -1881,7 +1892,7 @@ type
     //  • подбор гиперпараметров
     //  • тестирование моделей
     //
-    // Pipeline объединяет несколько матричных преобразований (ITransformer)
+    // MatrixPipeline объединяет несколько матричных преобразований (ITransformer)
     // и модель (IModel) в единый объект, который можно обучать и использовать
     // для предсказаний.
     //
@@ -1892,13 +1903,13 @@ type
     // перед преобразованием данных в Matrix/Vector.
     
     var pipe1 :=
-      Pipeline.Build(
+      MatrixPipeline.Build(
         new StandardScaler,
         new LogisticRegression
       );
     
     var pipe2 :=
-      Pipeline.Build(
+      MatrixPipeline.Build(
         new StandardScaler,
         new PCATransformer(2),
         new LogisticRegression
@@ -1931,13 +1942,13 @@ type
     ///   сначала преобразователи, затем модель.
     /// Последний шаг обязан быть моделью (IModel).
     /// Возвращает сконструированный конвейер.
-    static function Build(params steps: array of IPipelineStep): Pipeline;
+    static function Build(params steps: array of IPipelineStep): MatrixPipeline;
     
     /// Устанавливает или заменяет модель.
-    function SetModel(m: ISupervisedModel): Pipeline;
+    function SetModel(m: ISupervisedModel): MatrixPipeline;
   
     /// Добавляет преобразование в конец пайплайна
-    function Add(t: ITransformer): Pipeline;
+    function Add(t: ITransformer): MatrixPipeline;
   
 /// Обучает пайплайн на данных.
 ///   X — матрица m × n (m объектов, n признаков).
@@ -1962,6 +1973,7 @@ type
     /// Показывает, был ли пайплайн обучен (вызван метод Fit).
     property IsFitted: boolean read fFitted;
     
+/// Возвращает строковое представление пайплайна.
     function ToString: string; override;
 
 /// Создаёт копию пайплайна с теми же шагами и моделью.
@@ -1979,19 +1991,48 @@ type
     function Name: string := Self.GetType.Name;
   end;
   
-  UPipeline = class(IUnsupervisedModel)
+/// Последовательный конвейер машинного обучения (unsupervised).
+/// Гарантирует строгий порядок выполнения шагов:
+///   [преобразователи].
+///
+/// Поддерживает:
+///   • преобразователи без учёта целевой переменной (unsupervised).
+///
+/// Все преобразователи применяются последовательно к признакам X.
+///
+/// Обеспечивает единый интерфейс Fit(X) / Transform(X)
+/// и воспроизводимость полного процесса преобразования данных.
+///
+/// UMatrixPipeline используется, когда данные уже представлены
+/// в виде Matrix X и отсутствует целевая переменная
+  UMatrixPipeline = class(IUnsupervisedModel)
   private
     fTransformers: List<ITransformer>;
     fModel: IModel;
     fFitted: boolean;
   public
+  /// Создаёт конвейер машинного обучения для заданной модели:
+///   • model — модель, которая будет применена
+///     после последовательного применения всех преобразователей.
+/// Модель должна реализовывать интерфейс IModel (без учёта целевой переменной)
     constructor Create(model: IModel);
+
+/// Создаёт пустой пайплайн (конвейер машинного обучения).
+/// Модель должна быть установлена через SetModel    
     constructor Create;
   
-    static function Build(params steps: array of IPipelineStep): UPipeline;
+/// Строит конвейер машинного обучения из последовательности шагов.
+/// Шаги указываются в порядке выполнения:
+///   сначала преобразователи, затем модель.
+/// Последний шаг обязан быть моделью (IModel).
+/// Возвращает сконструированный конвейер.
+    static function Build(params steps: array of IPipelineStep): UMatrixPipeline;
   
-    function SetModel(m: IModel): UPipeline;
-    function Add(t: ITransformer): UPipeline;
+/// Устанавливает или заменяет модель.
+    function SetModel(m: IModel): UMatrixPipeline;
+    
+/// Добавляет преобразование в конец пайплайна    
+    function Add(t: ITransformer): UMatrixPipeline;
   
 /// Обучает пайплайн на данных.
 ///   X — матрица m × n (m объектов, n признаков).
@@ -2001,11 +2042,30 @@ type
 /// Примечание:
 ///   • обученное состояние пайплайна НЕ копируется методом Clone  
     function Fit(X: Matrix): IUnsupervisedModel;
+    
+/// Применяет последовательность преобразований к данным.
+///   X — матрица m × n (m объектов, n признаков).
+/// Последовательно применяет все трансформеры к данным,
+/// после чего возвращает преобразованную матрицу.
+///
+/// Примечание:
+///   • обученное состояние пайплайна НЕ копируется методом Clone    
     function Transform(X: Matrix): Matrix;
+    
+/// Применяет пайплайн и возвращает результат модели.
+///   X — матрица m × n (m объектов, n признаков).
+/// После применения всех преобразований вызывает модель,
+/// реализующую интерфейс IModel.
+///
+/// Примечание:
+///   • семантика результата зависит от конкретной модели
+///     (например, кластерные метки, оценки и т.д.)    
     function Predict(X: Matrix): Vector;
   
+/// Показывает, был ли пайплайн обучен (вызван метод Fit у шагов пайплайна).  
     property IsFitted: boolean read fFitted;
   
+/// Возвращает строковое представление пайплайна.
     function ToString: string; override;
     
 /// Создаёт копию пайплайна с теми же шагами и моделью.
@@ -2016,13 +2076,13 @@ type
 ///   • Все шаги и модель клонируются через их Clone (config-only)
 ///
 /// Назначение:
-///   • использование в CrossValidate и Pipeline
+///   • использование в CrossValidate и MatrixPipeline
 ///   • обеспечивает независимое переобучение пайплайна    
     function Clone: IModel;
     function Name: string := Self.GetType.Name;
   end;
   
-{$endregion Pipeline}
+{$endregion MatrixPipeline}
   
 {$region Transformers}
 
@@ -2078,7 +2138,7 @@ type
 ///   • Возвращаемый объект эквивалентен новому экземпляру после Create(...)
 ///
 /// Назначение:
-///   • использование в CrossValidate, GridSearch и Pipeline
+///   • использование в CrossValidate, GridSearch и MatrixPipeline
 ///   • гарантирует независимое переобучение трансформеров
 ///
 /// Примечание:
@@ -2136,7 +2196,7 @@ type
 ///   • Возвращаемый объект эквивалентен новому экземпляру после Create(...)
 ///
 /// Назначение:
-///   • использование в CrossValidate, GridSearch и Pipeline
+///   • использование в CrossValidate, GridSearch и MatrixPipeline
 ///   • гарантирует независимое переобучение трансформеров
 ///
 /// Примечание:
@@ -2190,7 +2250,7 @@ type
 ///   • Возвращаемый объект эквивалентен новому экземпляру после Create(...)
 ///
 /// Назначение:
-///   • использование в CrossValidate, GridSearch и Pipeline
+///   • использование в CrossValidate, GridSearch и MatrixPipeline
 ///   • гарантирует независимое переобучение трансформеров
 ///
 /// Примечание:
@@ -2243,7 +2303,7 @@ type
 ///   • Возвращаемый объект эквивалентен новому экземпляру после Create(...)
 ///
 /// Назначение:
-///   • использование в CrossValidate, GridSearch и Pipeline
+///   • использование в CrossValidate, GridSearch и MatrixPipeline
 ///   • гарантирует независимое переобучение трансформеров
 ///
 /// Примечание:
@@ -2340,7 +2400,7 @@ type
 ///   • Возвращаемый объект эквивалентен новому экземпляру после Create(...)
 ///
 /// Назначение:
-///   • использование в CrossValidate, GridSearch и Pipeline
+///   • использование в CrossValidate, GridSearch и MatrixPipeline
 ///   • гарантирует независимое переобучение трансформеров
 ///
 /// Примечание:
@@ -2398,7 +2458,7 @@ type
 ///   • Возвращаемый объект эквивалентен новому экземпляру после Create(...)
 ///
 /// Назначение:
-///   • использование в CrossValidate, GridSearch и Pipeline
+///   • использование в CrossValidate, GridSearch и MatrixPipeline
 ///   • гарантирует независимое переобучение трансформеров
 ///
 /// Примечание:
@@ -3100,7 +3160,7 @@ end;
 //-----------------------------
 
 constructor LogisticRegression.Create(lambda: real; learningRate: real; epochs: integer;
-  tol: real; checkConvergence: boolean; minImprovement: real);
+  tol: real; checkConvergence: boolean; minImprovement: real; useFastExp: boolean);
 begin
   fLambda := lambda;
   fLearningRate := learningRate;
@@ -3109,8 +3169,19 @@ begin
   fTol := tol;
   fCheckConvergence := checkConvergence;
   fMinImprovement := minImprovement;
+  fUseFastExp := useFastExp
 end;
 
+function FastExp(x: real): real;
+begin
+  if x < -5 then exit(0.0);
+  if x > 5 then x := 5;
+
+  Result := 1.0 + x + 0.5*x*x + (1.0/6.0)*x*x*x;
+end;
+
+type RealArr = array of real;
+
 function LogisticRegression.Fit(X: Matrix; y: Vector): ISupervisedModel;
 begin
   if X = nil then
@@ -3179,6 +3250,228 @@ begin
     fIndexToClass[i] := unique[i];
   end;
 
+  // --- init
+  fW := new Matrix(p, fClassCount);
+  var scale := 0.01;
+  for var j := 0 to p - 1 do
+    for var k := 0 to fClassCount - 1 do
+      fW.Data[j,k] := (Random - 0.5) * 2 * scale;
+
+  fIntercept := new Vector(fClassCount);
+
+  var prevLoss := real.PositiveInfinity;
+
+  var xRows := X.Data.Rows;
+  var gradW := new RealArr[fClassCount];
+  for var k := 0 to fClassCount - 1 do
+    gradW[k] := new real[p];
+    
+  var gradB := new real[fClassCount];
+    
+  var zi := new real[fClassCount];
+  
+  for var epoch := 1 to fEpochs do
+  begin
+    var WCols := fW.Data.Cols;
+    //var WRows := fW.Data.Rows;
+    
+    var loss := 0.0;
+  
+    // --- zero gradients
+    &Array.Clear(gradB, 0, fClassCount);
+    for var k := 0 to fClassCount - 1 do
+      &Array.Clear(gradW[k], 0, p);
+  
+    // --- one pass: logits -> softmax -> loss -> gradient
+    for var i := 0 to m - 1 do
+    begin
+      var xi := XRows[i];
+      var yi := yEncoded[i];
+  
+      // --- logits
+      for var k := 0 to fClassCount - 1 do
+      begin
+        var wk := WCols[k];
+        var s := fIntercept.Data[k];
+  
+        for var j := 0 to p - 1 do
+          s += xi[j] * wk[j];
+  
+        zi[k] := s;
+      end;
+  
+      // --- stable softmax
+      var maxVal := zi[0];
+      for var k := 1 to fClassCount - 1 do
+        if zi[k] > maxVal then
+          maxVal := zi[k];
+  
+      var sumExp := 0.0;
+      for var k := 0 to fClassCount - 1 do
+      begin
+        var v: real;
+        if fUseFastExp then
+          v := FastExp(zi[k] - maxVal)
+        else  
+          v := Exp(zi[k] - maxVal);
+        zi[k] := v;
+        sumExp += v;
+      end;
+  
+      if sumExp <= 0 then
+      begin
+        var uniformProb := 1.0 / fClassCount;
+  
+        for var k := 0 to fClassCount - 1 do
+          zi[k] := uniformProb;
+      end
+      else
+      begin
+        var invSum := 1.0 / sumExp;
+  
+        for var k := 0 to fClassCount - 1 do
+          zi[k] *= invSum;
+      end;
+  
+      // --- loss
+      var prob := zi[yi];
+      if prob < 1e-300 then
+        prob := 1e-300;
+  
+      loss -= Ln(prob);
+  
+      // --- gradient
+      for var k := 0 to fClassCount - 1 do
+      begin
+        var diff := zi[k] - Ord(k = yi);
+  
+        gradB[k] += diff;
+  
+        var gwk := gradW[k];
+        for var j := 0 to p - 1 do
+          gwk[j] += xi[j] * diff;
+      end;
+    end;
+  
+    loss /= m;
+  
+    // --- L2 penalty
+    if fLambda <> 0 then
+    begin
+      var l2 := 0.0;
+      for var j := 0 to p - 1 do
+        for var k := 0 to fClassCount - 1 do
+          l2 += fW.Data[j,k] * fW.Data[j,k];
+  
+      loss += 0.5 * fLambda * l2;
+    end;
+  
+    // --- divergence check
+    if double.IsNaN(loss) or double.IsInfinity(loss) then
+      ArgumentError(ER_LOGISTIC_INVALID_LOSS);
+  
+    // --- convergence check
+    if fCheckConvergence then
+    begin
+      if Abs(prevLoss - loss) < Max(fMinImprovement, fTol * Max(1.0, Abs(prevLoss))) then
+        break;
+  
+      prevLoss := loss;
+    end;
+  
+    // --- update
+    var invM := 1.0 / m;
+  
+    for var k := 0 to fClassCount - 1 do
+    begin
+      gradB[k] *= invM;
+      fIntercept.Data[k] -= fLearningRate * gradB[k];
+      
+      for var j := 0 to p - 1 do
+      begin
+        var g := gradW[k][j] * invM;
+  
+        if fLambda <> 0 then
+          g += fLambda * fW.Data[j,k];
+  
+        fW.Data[j,k] -= fLearningRate * g;
+      end;
+    end;
+  end;
+
+  fFitted := true;
+  Result := Self;
+end;
+
+
+{function LogisticRegression.FitOld(X: Matrix; y: Vector): ISupervisedModel;
+begin
+  if X = nil then
+    ArgumentNullError(ER_X_NULL);
+
+  if y = nil then
+    ArgumentNullError(ER_Y_NULL);
+
+  if MLConfig.ValidateFiniteInputs then
+  begin
+    CheckXForFit(X);
+    CheckYForFit(y);
+  end;
+
+  if X.RowCount = 0 then
+    ArgumentError(ER_EMPTY_DATASET);
+
+  if X.RowCount <> y.Length then
+    DimensionError(ER_DIM_MISMATCH, X.RowCount, y.Length);
+
+  if fLearningRate <= 0 then
+    ArgumentOutOfRangeError(ER_LEARNING_RATE_INVALID, fLearningRate);
+
+  if fEpochs <= 0 then
+    ArgumentOutOfRangeError(ER_EPOCHS_INVALID, fEpochs);
+
+  if fLambda < 0 then
+    ArgumentOutOfRangeError(ER_LAMBDA_NEGATIVE, fLambda);
+  
+  if fCheckConvergence and (fTol <= 0) then
+    ArgumentOutOfRangeError(ER_TOL_INVALID, fTol);
+  
+  var m := X.RowCount;
+  var p := X.ColCount;
+
+  // --- convert to integer labels
+  var yInt := new integer[m];
+  
+  for var i := 0 to m - 1 do
+  begin
+    var r := y[i];
+    var ir := Round(r);
+  
+    if Abs(r - ir) > 1e-12 then
+      ArgumentError(ER_LABELS_NOT_INTEGER);
+  
+    yInt[i] := ir;
+  end;
+  
+  // --- encode (порядок первого появления)
+  var unique: array of integer;
+  var yEncoded := EncodeLabelsInt(yInt, unique);
+  
+  fClassCount := unique.Length;
+  
+  if fClassCount < 2 then
+    ArgumentError(ER_LOGISTIC_NEED_AT_LEAST_TWO_CLASSES);
+  
+  // --- build mappings
+  fClassToIndex := new Dictionary<integer, integer>;
+  SetLength(fIndexToClass, fClassCount);
+  
+  for var i := 0 to fClassCount - 1 do
+  begin
+    fClassToIndex[unique[i]] := i;
+    fIndexToClass[i] := unique[i];
+  end;
+
   // --- init
   fW := new Matrix(p, fClassCount);
   fIntercept := new Vector(fClassCount);
@@ -3301,7 +3594,7 @@ begin
 
   fFitted := true;
   Result := Self;
-end;
+end;}
 
 function LogisticRegression.PredictProba(X: Matrix): Matrix;
 begin
@@ -3394,7 +3687,8 @@ begin
     fEpochs,
     fTol,
     fCheckConvergence,
-    fMinImprovement
+    fMinImprovement,
+    fUseFastExp
   );
 end;
 
@@ -4050,6 +4344,7 @@ begin
     fMinSamplesSplit,
     fMinSamplesLeaf,
     fCriterion,
+    fClassCount,
     fMaxFeatures,
     fRandomSeed
   );
@@ -7256,15 +7551,6 @@ begin
   // --- copy train data
   fXTrain := X.Clone;
   
-  fSampleSize := Min(3000, fXTrain.RowCount); // попробуй 2000–4000
-
-  SetLength(fSampleIdx, fSampleSize);
-  
-  var rnd := new System.Random(42);
-  
-  for var i := 0 to fSampleSize - 1 do
-    fSampleIdx[i] := rnd.Next(fXTrain.RowCount);
-
   // =========================================================
   // ЕДИНЫЙ ENCODING
   // =========================================================
@@ -8269,17 +8555,17 @@ end;
 function DBSCAN.ClustersCount: integer := fClusterCount;
 
 //-----------------------------
-//          Pipeline 
+//          MatrixPipeline 
 //-----------------------------
 
-constructor Pipeline.Create;
+constructor MatrixPipeline.Create;
 begin
   fTransformers := new List<ITransformer>;
   fModel := nil;
   fFitted := false;
 end;
 
-constructor Pipeline.Create(model: ISupervisedModel);
+constructor MatrixPipeline.Create(model: ISupervisedModel);
 begin
   Create;
   if model = nil then
@@ -8287,7 +8573,7 @@ begin
   fModel := model;
 end;
 
-class function Pipeline.Build(params steps: array of IPipelineStep): Pipeline;
+class function MatrixPipeline.Build(params steps: array of IPipelineStep): MatrixPipeline;
 begin
   if (steps = nil) or (Length(steps) = 0) then
     ArgumentError(ER_PIPELINE_NO_STEPS);
@@ -8301,7 +8587,7 @@ begin
   if not (last is ISupervisedModel) then
     ArgumentError(ER_PIPELINE_LAST_NOT_SUPERVISED_MODEL);
 
-  var pipe := new Pipeline(last as ISupervisedModel);
+  var pipe := new MatrixPipeline(last as ISupervisedModel);
 
   // все шаги кроме последнего — трансформеры
   for var i := 0 to High(steps) - 1 do
@@ -8320,7 +8606,7 @@ begin
   Result := pipe;
 end;
 
-function Pipeline.Add(t: ITransformer): Pipeline;
+function MatrixPipeline.Add(t: ITransformer): MatrixPipeline;
 begin
   if t = nil then
     ArgumentError(ER_TRANSFORMER_NULL);
@@ -8329,7 +8615,7 @@ begin
   Result := Self;
 end;
 
-function Pipeline.SetModel(m: ISupervisedModel): Pipeline;
+function MatrixPipeline.SetModel(m: ISupervisedModel): MatrixPipeline;
 begin
   if m = nil then
     ArgumentError(ER_MODEL_NULL);
@@ -8338,7 +8624,7 @@ begin
   Result := Self;
 end;
 
-function Pipeline.Fit(X: Matrix; y: Vector): ISupervisedModel;
+function MatrixPipeline.Fit(X: Matrix; y: Vector): ISupervisedModel;
 begin
   if fModel = nil then
     ArgumentError(ER_MODEL_NULL);
@@ -8386,7 +8672,7 @@ begin
   Result := Self;
 end;
 
-function Pipeline.Transform(X: Matrix): Matrix;
+function MatrixPipeline.Transform(X: Matrix): Matrix;
 begin
   if not fFitted then
     NotFittedError(ER_FIT_NOT_CALLED);
@@ -8410,7 +8696,7 @@ begin
   Result := Xt;
 end;
 
-function Pipeline.Predict(X: Matrix): Vector;
+function MatrixPipeline.Predict(X: Matrix): Vector;
 begin
   if not fFitted then
     NotFittedError(ER_FIT_NOT_CALLED);
@@ -8422,7 +8708,7 @@ begin
   Result := fModel.Predict(Xt);
 end;
 
-function Pipeline.PredictProba(X: Matrix): Matrix;
+function MatrixPipeline.PredictProba(X: Matrix): Matrix;
 begin
   if not fFitted then
     NotFittedError(ER_FIT_NOT_CALLED);
@@ -8439,9 +8725,9 @@ begin
               .PredictProba(Xt);
 end;
 
-function Pipeline.ToString: string;
+function MatrixPipeline.ToString: string;
 begin
-  var sb := 'Pipeline (' +
+  var sb := 'MatrixPipeline (' +
             (if fFitted then 'trained' else 'not trained') + '):' + NewLine;
 
   var idx := 1;
@@ -8458,12 +8744,12 @@ begin
   Result := sb;
 end;
 
-function Pipeline.Clone: IModel;
+function MatrixPipeline.Clone: IModel;
 begin
   if fModel = nil then
     ArgumentError(ER_MODEL_NULL);
 
-  var p := new Pipeline;
+  var p := new MatrixPipeline;
 
   foreach var t in fTransformers do
     p.Add(t.Clone);
@@ -8479,16 +8765,16 @@ begin
 end;
 
 //-----------------------------
-//          UPipeline 
+//          UMatrixPipeline 
 //-----------------------------
-constructor UPipeline.Create;
+constructor UMatrixPipeline.Create;
 begin
   fTransformers := new List<ITransformer>;
   fModel := nil;
   fFitted := false;
 end;
 
-constructor UPipeline.Create(model: IModel);
+constructor UMatrixPipeline.Create(model: IModel);
 begin
   Create;
   if model = nil then
@@ -8496,7 +8782,7 @@ begin
   fModel := model;
 end;
 
-class function UPipeline.Build(params steps: array of IPipelineStep): UPipeline;
+class function UMatrixPipeline.Build(params steps: array of IPipelineStep): UMatrixPipeline;
 begin
   if (steps = nil) or (Length(steps) = 0) then
     ArgumentError(ER_PIPELINE_NO_STEPS);
@@ -8509,7 +8795,7 @@ begin
   if not (last is IModel) then
     ArgumentError(ER_PIPELINE_LAST_NOT_MODEL);
 
-  var pipe := new UPipeline(last as IModel);
+  var pipe := new UMatrixPipeline(last as IModel);
 
   for var i := 0 to High(steps) - 1 do
   begin
@@ -8527,7 +8813,7 @@ begin
   Result := pipe;
 end;
 
-function UPipeline.Add(t: ITransformer): UPipeline;
+function UMatrixPipeline.Add(t: ITransformer): UMatrixPipeline;
 begin
   if t = nil then
     ArgumentError(ER_TRANSFORMER_NULL);
@@ -8536,7 +8822,7 @@ begin
   Result := Self;
 end;
 
-function UPipeline.SetModel(m: IModel): UPipeline;
+function UMatrixPipeline.SetModel(m: IModel): UMatrixPipeline;
 begin
   if m = nil then
     ArgumentError(ER_MODEL_NULL);
@@ -8545,7 +8831,7 @@ begin
   Result := Self;
 end;
 
-function UPipeline.Fit(X: Matrix): IUnsupervisedModel;
+function UMatrixPipeline.Fit(X: Matrix): IUnsupervisedModel;
 begin
   if fModel = nil then
     ArgumentError(ER_MODEL_NULL);
@@ -8585,7 +8871,7 @@ begin
   Result := Self;
 end;
 
-function UPipeline.Transform(X: Matrix): Matrix;
+function UMatrixPipeline.Transform(X: Matrix): Matrix;
 begin
   if not fFitted then
     NotFittedError(ER_FIT_NOT_CALLED);
@@ -8609,7 +8895,7 @@ begin
   Result := Xt;
 end;
 
-function UPipeline.Predict(X: Matrix): Vector;
+function UMatrixPipeline.Predict(X: Matrix): Vector;
 begin
   if not fFitted then
     NotFittedError(ER_FIT_NOT_CALLED);
@@ -8625,9 +8911,9 @@ begin
   Result := (fModel as IPredictiveModel).Predict(Xt);
 end;
 
-function UPipeline.ToString: string;
+function UMatrixPipeline.ToString: string;
 begin
-  var sb := 'UPipeline (' +
+  var sb := 'UMatrixPipeline (' +
             (if fFitted then 'trained' else 'not trained') + '):' + NewLine;
 
   var idx := 1;
@@ -8644,12 +8930,12 @@ begin
   Result := sb;
 end;
 
-function UPipeline.Clone: IModel;
+function UMatrixPipeline.Clone: IModel;
 begin
   if fModel = nil then
     ArgumentError(ER_MODEL_NULL);
 
-  var p := new UPipeline;
+  var p := new UMatrixPipeline;
 
   foreach var t in fTransformers do
     p.Add(t.Clone);
diff --git a/bin/Lib/MLPipelineABC.pas b/bin/Lib/MLPipelineABC.pas
index 363f0b6f3..9d132ca50 100644
--- a/bin/Lib/MLPipelineABC.pas
+++ b/bin/Lib/MLPipelineABC.pas
@@ -298,7 +298,8 @@ const
     'Model is not a classifier';
   ER_MODEL_CLONE_TYPE = 
     'Clone модели вернул неподдерживаемый тип!!Model Clone returned unsupported type';
-
+  ER_INVALID_MODEL_TYPE =
+    'Clone модели вернул неподдерживаемый тип (ожидается {0})!!Model Clone returned unsupported type (expected {0})';
 //-----------------------------
 //        DataPipeline
 //-----------------------------
@@ -1143,7 +1144,14 @@ begin
 
   // --- модель
   if fModel <> nil then
-    p.fModel := fModel.Clone as IUnsupervisedModel;
+  begin
+    var m := fModel.Clone;
+
+    if not (m is IUnsupervisedModel) then
+      Error(ER_INVALID_MODEL_TYPE, 'IUnsupervisedModel');
+
+    p.fModel := m as IUnsupervisedModel;
+  end;
 
   // --- состояние НЕ копируем
   p.fFinalFeatures := nil;
diff --git a/bin/Lib/MLUtilsABC.pas b/bin/Lib/MLUtilsABC.pas
index 155c00e64..b5c6183d7 100644
--- a/bin/Lib/MLUtilsABC.pas
+++ b/bin/Lib/MLUtilsABC.pas
@@ -40,6 +40,7 @@ function IntsToLabels(a: array of integer): Vector;
 /// Каждому уникальному значению присваивается номер 0,1,2,...
 /// Порядок кодирования соответствует порядку первого появления меток.
 /// Используется при обучении моделей и визуализации.
+/// Предполагается, что входные данные уже очищены от пропущенных значений.
 function EncodeLabels(labels: array of string): array of integer;
 
 /// Кодирует строковые метки классов в целочисленные индексы.
@@ -47,6 +48,7 @@ function EncodeLabels(labels: array of string): array of integer;
 /// Порядок кодирования соответствует порядку первого появления меток.
 /// В параметр classes возвращается массив уникальных значений в порядке кодирования.
 /// Используется при обучении моделей и визуализации
+/// Предполагается, что входные данные уже очищены от пропущенных значений.
 function EncodeLabels(labels: array of string; var classes: array of string): array of integer;
 
 /// Кодирует целые метки классов в целочисленные индексы.
@@ -54,6 +56,7 @@ function EncodeLabels(labels: array of string; var classes: array of string): ar
 /// Порядок кодирования соответствует порядку первого появления меток.
 /// В параметр classes возвращается массив уникальных значений в порядке кодирования.
 /// Используется при обучении моделей и визуализации
+/// Предполагается, что входные данные уже очищены от пропущенных значений.
 function EncodeLabelsInt(labels: array of integer; var classes: array of integer): array of integer;
 
 /// Преобразует строковые метки классов в целочисленные индексы
@@ -61,6 +64,7 @@ function EncodeLabelsInt(labels: array of integer; var classes: array of integer
 /// classes должен быть получен из EncodeLabels.
 /// Если встречается неизвестная метка — выбрасывается исключение.
 /// Используется для применения кодирования к тестовым данным (Transform).
+/// Предполагается, что входные данные уже очищены от пропущенных значений.
 function TransformLabels(labels: array of string; classes: array of string): array of integer;
 
 /// Преобразует целочисленные метки классов в индексы (0,1,2,...)
@@ -68,11 +72,13 @@ function TransformLabels(labels: array of string; classes: array of string): arr
 /// classes должен быть получен из EncodeLabelsInt.
 /// Если встречается неизвестное значение — выбрасывается исключение.
 /// Используется для применения кодирования к тестовым данным (Transform).
+/// Предполагается, что входные данные уже очищены от пропущенных значений.
 function TransformLabelsInt(labels: array of integer; classes: array of integer): array of integer;
 
 /// Преобразует целочисленные индексы классов обратно в строковые метки.
 /// Массив classes задаёт соответствие: classes[i] — имя класса с индексом i.
 /// Используется для получения текстовых предсказаний моделей.
+/// Предполагается, что входные данные уже корректны.
 function DecodeLabels(y: array of integer; classes: array of string): array of string;
 
 /// Возвращает список уникальных меток классов.
@@ -266,7 +272,17 @@ end;
 
 function UniqueLabels(labels: array of string): array of string;
 begin
-  Result := labels.Distinct.ToArray;
+  var seen := new HashSet<string>;
+  var res := new List<string>;
+
+  for var i := 0 to labels.Length - 1 do
+    if not seen.Contains(labels[i]) then
+    begin
+      seen.Add(labels[i]);
+      res.Add(labels[i]);
+    end;
+
+  Result := res.ToArray;
 end;
 
 function CloneOrNil(v: Vector): Vector;
diff --git a/bin/Lib/MetricsABC.pas b/bin/Lib/MetricsABC.pas
index 0f7bcfe96..a94176bde 100644
--- a/bin/Lib/MetricsABC.pas
+++ b/bin/Lib/MetricsABC.pas
@@ -227,6 +227,9 @@ type
   /// Ожидается, что yTrue и yPred содержат закодированные метки классов
   /// (целые значения 0..K-1, допускается хранение в Vector типа real).
   /// Для строковых меток необходимо предварительно применить EncodeLabels
+  ///
+  /// Метки классов упорядочиваются по возрастанию для обеспечения
+  /// стабильного и предсказуемого представления результатов
   ConfusionMatrix = class
   private
     fMatrix: array[,] of integer;
diff --git a/bin/Lib/PABCSystem.pas b/bin/Lib/PABCSystem.pas
index 4bd874cbf..f6da2be05 100644
--- a/bin/Lib/PABCSystem.pas
+++ b/bin/Lib/PABCSystem.pas
@@ -11641,103 +11641,128 @@ end;
 //   Partition, ZipTuple, UnZipTuple, Interleave, Numerate, Tabulate, Pairwise, Batch 
 // Дополнения 2024: Zip - синоним ZipTuple
 
+/// Возвращает первый элемент последовательности с минимальным значением ключа
 /// Возвращает первый элемент последовательности с минимальным значением ключа
 function MinBy<T, TKey>(Self: sequence of T; keySelector: T -> TKey): T; extensionmethod; 
 begin
-  var enumerator := Self.GetEnumerator();
-  if not enumerator.MoveNext() then
-    raise new System.ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
-  
-  var minElement := enumerator.Current; 
-  var minKey := keySelector(minElement); 
-
   var comp := Comparer&<TKey>.Default;
-  while enumerator.MoveNext() do
-  begin
-    var currentElement := enumerator.Current;
-    var currentKey := keySelector(currentElement);
-    if comp.Compare(currentKey,minKey) < 0 then
-    begin
-      minKey := currentKey;
-      minElement := currentElement; 
-    end;
-  end;
+  var minElement: T;
+  var minKey: TKey;
+  var hasValue := False;
   
+  foreach var current in Self do
+    if not hasValue then
+    begin
+      minElement := current;
+      minKey := keySelector(current);
+      hasValue := True;
+    end
+    else
+    begin
+      var currentKey := keySelector(current);
+      if comp.Compare(currentKey, minKey) < 0 then  // только строго меньше
+      begin
+        minKey := currentKey;
+        minElement := current;
+      end;
+    end;
+  
+  if not hasValue then
+    raise new ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
+    
   Result := minElement;
 end;
 
 /// Возвращает первый элемент последовательности с максимальным значением ключа
 function MaxBy<T, TKey>(Self: sequence of T; keySelector: T -> TKey): T; extensionmethod; 
 begin
-  var enumerator := Self.GetEnumerator();
-  if not enumerator.MoveNext() then
-    raise new System.ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
-  
-  var maxElement := enumerator.Current; 
-  var maxKey := keySelector(maxElement); 
-
   var comp := Comparer&<TKey>.Default;
-  while enumerator.MoveNext() do
-  begin
-    var currentElement := enumerator.Current;
-    var currentKey := keySelector(currentElement);
-    if comp.Compare(currentKey,maxKey) > 0 then
-    begin
-      maxKey := currentKey;
-      maxElement := currentElement; 
-    end;
-  end;
+  var maxElement: T;
+  var maxKey: TKey;
+  var hasValue := False;
   
+  foreach var current in Self do
+    if not hasValue then
+    begin
+      maxElement := current;
+      maxKey := keySelector(current);
+      hasValue := True;
+    end
+    else
+    begin
+      var currentKey := keySelector(current);
+      if comp.Compare(currentKey, maxKey) > 0 then  
+      begin
+        maxKey := currentKey;
+        maxElement := current;
+      end;
+    end;
+  
+  if not hasValue then
+    raise new ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
+    
   Result := maxElement;
 end;
 
 /// Возвращает последний элемент последовательности с минимальным значением ключа
-function LastMinBy<T, TKey>(Self: sequence of T; keySelector: T -> TKey): T; extensionmethod; 
+function LastMinBy<T, TKey>(Self: sequence of T; keySelector: T -> TKey): T; extensionmethod;
 begin
-  var enumerator := Self.GetEnumerator();
-  if not enumerator.MoveNext() then
-    raise new System.ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
-  
-  var minElement := enumerator.Current; 
-  var minKey := keySelector(minElement); 
-
   var comp := Comparer&<TKey>.Default;
-  while enumerator.MoveNext() do
-  begin
-    var currentElement := enumerator.Current;
-    var currentKey := keySelector(currentElement);
-    if comp.Compare(currentKey,minKey) <= 0 then
-    begin
-      minKey := currentKey;
-      minElement := currentElement; 
-    end;
-  end;
+  var minElement: T;
+  var minKey: TKey;
+  var hasValue := False;
   
+  foreach var current in Self do
+    if not hasValue then
+    begin
+      minElement := current;
+      minKey := keySelector(current);
+      hasValue := True;
+    end
+    else
+    begin
+      var currentKey := keySelector(current);
+      if comp.Compare(currentKey, minKey) <= 0 then  // <= для последнего минимума
+      begin
+        minKey := currentKey;
+        minElement := current;
+      end;
+    end;
+  
+  if not hasValue then
+    raise new ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
+    
   Result := minElement;
 end;
 
 /// Возвращает последний элемент последовательности с максимальным значением ключа
-function LastMaxBy<T, TKey>(Self: sequence of T; keySelector: T -> TKey): T; extensionmethod; 
+function LastMaxBy<T, TKey>(Self: sequence of T; keySelector: T -> TKey): T; extensionmethod;
 begin
-  var enumerator := Self.GetEnumerator();
-  if not enumerator.MoveNext() then
-    raise new System.ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
-  
-  var maxElement := enumerator.Current; 
-  var maxKey := keySelector(maxElement); 
-
   var comp := Comparer&<TKey>.Default;
-  while enumerator.MoveNext() do
-  begin
-    var currentElement := enumerator.Current;
-    var currentKey := keySelector(currentElement);
-    if comp.Compare(currentKey,maxKey) > 0 then
-    begin
-      maxKey := currentKey;
-      maxElement := currentElement; 
-    end;
-  end;
+  var maxElement: T;
+  var maxKey: TKey;
+  var hasValue := False;
   
+  foreach var current in Self do
+    if not hasValue then
+    begin
+      maxElement := current;
+      maxKey := keySelector(current);
+      hasValue := True;
+    end
+    else
+    begin
+      var currentKey := keySelector(current);
+      if comp.Compare(currentKey, maxKey) >= 0 then
+      begin
+        maxKey := currentKey;
+        maxElement := current;
+      end;
+    end;
+  
+  if not hasValue then
+    raise new ArgumentException(GetTranslation(SEQUENCE_CANNOT_BE_EMPTY));
+    
   Result := maxElement;
 end;
 
diff --git a/bin/Lib/ValidationML.pas b/bin/Lib/ValidationML.pas
index a85a58a8a..e58ad6465 100644
--- a/bin/Lib/ValidationML.pas
+++ b/bin/Lib/ValidationML.pas
@@ -323,11 +323,11 @@ begin
     var cnt := pair.Value.Count;
 
     // Класс может иметь меньше объектов, чем число фолдов.
-    // В этом случае он не будет представлен во всех фолдах.
-    // Это допустимо, но может привести к ошибкам при обучении модели.
- 
-    //if cnt < k then
-    //  ArgumentError(ER_STRATIFIED_CLASS_TOO_SMALL, cls, cnt, k);
+    // В библиотеке принята строгая политика: такие случаи считаются ошибкой,
+    // так как не гарантируется присутствие класса во всех train-fold.
+    // Поэтому выполняется fail-fast проверка (см. ниже).
+     if cnt < k then
+      ArgumentError(ER_STRATIFIED_CLASS_TOO_SMALL, cls, cnt, k);
   end;
 
   // --- 2. Контейнеры фолдов