4. 模型檢視#

預測效能通常是開發機器學習模型的主要目標。然而，使用評估指標來總結效能往往是不夠的：它假設評估指標和測試資料集完美地反映了目標領域，但這很少是真的。在某些領域，模型需要達到一定的可解釋性才能部署。出現效能問題的模型需要進行除錯，以便理解模型的基本問題。 sklearn.inspection 模組提供了工具來幫助理解模型的預測以及影響它們的因素。這可以用來評估模型的假設和偏差、設計更好的模型，或診斷模型效能的問題。