4. Inspección¶
El rendimiento predictivo suele ser el principal objetivo del desarrollo de modelos de aprendizaje automático. Sin embargo, resumir el rendimiento con una métrica de evaluación es a menudo insuficiente: se supone que la métrica de evaluación y el conjunto de datos de prueba reflejan perfectamente el dominio objetivo, lo que rara vez es cierto. En determinados ámbitos, un modelo necesita un cierto nivel de interpretabilidad antes de poder desplegarse. Un modelo que presenta problemas de rendimiento debe ser depurado para poder entender el problema subyacente del modelo. El módulo sklearn.inspection proporciona herramientas para ayudar a entender las predicciones de un modelo y lo que las afecta. Esto puede utilizarse para evaluar las suposiciones y los sesgos de un modelo, diseñar un modelo mejor o diagnosticar problemas de rendimiento del modelo.