检查数据科学预测：个体+负面案例分析
数据科学预测检查：个体+负面案例分析
如何检查特定预测并进行负案例分析
当我向新学习者展示如何使用 .predict() 方法时，大约有40%到43%的时间我会得到以下问题：
预测在哪里？
我希望学习者经常提出这个问题。这是一个富有洞察力的问题，特别是对于那些对Python、数据科学还不熟悉，并且可能是第一次接触 .predict() 方法的人来说。
当然，提出这个问题的人数少于一半，但可能比例低于30%或20%。我没有精确统计。
在本深入解析的第一部分中，本文首先将展示如何构建一个简单的预测模型，其次是如何生成预测结果，然后介绍如何更详细地检查预测结果。
在本深入解析的第二部分中，本文还将展示为什么了解如何检查单个预测结果很有用，以及为什么有必要检查单个预测结果。能够检查单个预测结果开辟了一系列分析途径，例如负案例分析。
第一部分：预测方法
如果您还不熟悉构建预测模型，建议您阅读一篇或多篇涉及此主题的其他文章。《自信的数据科学：发现数据科学的基本技能》（作者：我）的第11章介绍了如何构建预测模型。
例如，在《虚假鸟类与机器学习：使用流行的鸟类品种数据演示最近邻分类》中，我分享了一个训练了一个机器学习模型的代码，该模型可以根据鸟的重量、长度、位置和颜色预测鸟类的品种。这个虚假鸟类的例子演示了使用虚假鸟类数据进行预测建模。
一个简单的预测模型
为了帮助我们专注于检查特定的个别预测结果，本小节将快速介绍预测模型的创建过程。为了节省时间，本小节跳过了优化超参数和一些数据准备步骤。
此外，为了加快速度，我们将通过其他方法进行评估…
