diff --git a/labs/OATD_LR2.md b/labs/OATD_LR2.md
index 95e8e06..6284a2c 100644
--- a/labs/OATD_LR2.md
+++ b/labs/OATD_LR2.md
@@ -22,7 +22,7 @@
     *	Применить процедуру отсечения стоп-слов и повторить пункт B. Записать в **выводах** получившиеся различия.
 		
 	
-7. Используя конвейер (`Pipeline`) реализовать baseline-модель (базовый варинат модели без специальной настройки гиперпараметров) Случайного леса.
+7. Используя конвейер (`Pipeline`) реализовать baseline-модель (базовый варинат модели без специальной настройки гиперпараметров) Случайного леса. Оценить f1-меру такой модели.
 8. Провести настройку гиперпараметров модели путем полного перебора, воспользовавшись классом `GridSearchCV`. Выявить значения гиперпараметров, обеспечивающие лучшее качество классификации на основе f1-меры. Должны быть исследованы следующие характеристики:
 	* Отсечение \ не отсечение стоп-слов
 	
@@ -37,7 +37,8 @@
 ### Подход на основе эмбеддингов
 
 8. Исходную выборку к привести к векторному представлению word embedding согласно варианту. 
-9. Провести обучение и настройку Случайного леса с помощью `GridSearchCV`, но при представлении текстов в виде word embedding. Сетку параметров выбрать ту же, что и в классическом подходе.
+
+9. Провести обучение и настройку Случайного леса с помощью `GridSearchCV`, но при представлении текстов в виде word embedding. Настраивать требуется только параметры Случайного леса. Параметры векторизатора берем по умолчанию - весь словарь, без удаления стоп-слов.
 
 10. По каждому пункту работы занести в отчет программный код и результат вывода.
 11. По результатам классификации занести в отчет выводы о: