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，仅通过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能完美反映目标领域，而这很少是真实的。在某些领域，模型在部署前需要达到一定的可解释性水平。一个表现出性能问题的模型需要进行调试，以便理解其潜在问题。sklearn.inspection 模块提供了工具来帮助理解模型的预测及其影响因素。这可以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。