4. 检查#

预测性能通常是开发机器学习模型的主要目标。然而，用评估指标来总结性能通常是不够的：它假设评估指标和测试数据集完美地反映了目标领域，而这很少是真实的。在某些领域，模型需要一定程度的可解释性才能部署。表现出性能问题的模型需要进行调试，以便人们了解模型的根本问题。 sklearn.inspection 模块提供了工具来帮助理解模型的预测以及影响预测的因素。这可以用来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。