5. 检查#

预测性能通常是开发机器学习模型的主要目标。然而，仅用评估指标来总结性能往往是不够的：它假设评估指标和测试数据集完美地反映了目标领域，而这很少是事实。在某些领域中，模型在部署之前需要一定程度的可解释性。一个表现出性能问题的模型需要进行调试，以便理解模型的潜在问题。 sklearn.inspection 模块提供了工具来帮助理解模型的预测以及哪些因素影响了它们。这可用于评估模型的假设和偏差，设计更好的模型，或诊断模型性能问题。