diff --git a/week4_scikit_learn.ipynb b/week4_scikit_learn.ipynb
index 96dd644..42dea3a 100644
--- a/week4_scikit_learn.ipynb
+++ b/week4_scikit_learn.ipynb
@@ -347,6 +347,48 @@
     "plt.show()"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "id": "6cab488a-9fbe-4f16-889e-69baa006626d",
+   "metadata": {},
+   "source": [
+    "### Вывод по текущим результатам:"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "44e5fb28-45ae-4bd5-996b-4fdc29c26329",
+   "metadata": {},
+   "source": [
+    "## 1. Количество кластеров  \n",
+    "Алгоритм успешно определил **3 кластера**, что соответствует заданным центрам [[1,1], [-1,-1], [1,-1]].  \n",
+    "**Ключевые факторы успеха:**\n",
+    "- Корректный подбор bandwidth через estimate_bandwidth с параметром quantile=0.2.\n",
+    "- Использование bin_seeding=True для ускорения вычислений без потери точности.\n",
+    "\n",
+    "## 2. Визуализация\n",
+    "- **Компактность кластеров:** Точки внутри кластеров не пересекаются благодаря низкому уровню шума (cluster_std=0.6).\n",
+    "- **Расположение центров:** Черные крестики соответствуют зонам максимальной плотности, что подтверждает логику работы MeanShift.\n",
+    "\n",
+    "## 3. Масштабирование данных\n",
+    "- Применение StandardScaler обеспечило равный вклад признаков в расчет расстояний, что критично для корректной кластеризации.\n",
+    "\n",
+    "## 4. Параметры алгоритма\n",
+    "- quantile=0.2 и n_samples=500 — баланс между устойчивостью к шуму и точностью.\n",
+    "- Автоматический подбор bandwidth выполнен корректно: кластеры не перекрываются.\n",
+    "\n",
+    "## 5. Рекомендации для экспериментов\n",
+    "- **Увеличить cluster_std** (например, до 1.0) — проверить устойчивость к перекрывающимся кластерам.\n",
+    "- **Изменить quantile** (например, до 0.3) — оценить влияние на чувствительность к шуму.\n",
+    "- **Добавить больше кластеров** — проверить масштабируемость алгоритма.\n",
+    "\n",
+    "## Итог\n",
+    "MeanShift показал высокую эффективность на синтетических данных:\n",
+    "- Четкое разделение кластеров.\n",
+    "- Центры совпадают с ожидаемыми позициями.\n",
+    "- Все этапы (генерация данных, масштабирование, визуализация) выполнены корректно."
+   ]
+  },
   {
    "cell_type": "markdown",
    "id": "d0295bff-217e-420f-9d83-be684525a73e",
@@ -638,7 +680,7 @@
   {
    "cell_type": "code",
    "execution_count": null,
-   "id": "b2b3004f-f25d-4ae3-80ef-13cb0f98dec1",
+   "id": "20a82c82-74bf-443f-9295-910d403cf3ee",
    "metadata": {},
    "outputs": [],
    "source": []