Limitaciones del modelo

También debe comunicar las limitaciones del modelo. De nuevo, esto se relacionará con la forma en que se optimizó el conjunto de datos utilizado para entrenar el modelo, incluidas las características clave que contribuyen a la determinación de resultados y las características que se quitaron.

Debe estar preparado para explicar cómo la composición de características del conjunto de datos limita el uso del modelo. Por ejemplo, si ha creado un modelo que predice los valores de las viviendas en el área de Seattle, utilizando características de conjunto de datos que incorporan cifras de crecimiento de la población para los vecindarios de Seattle, el conjunto de datos tendrá dificultades para predecir valores de viviendas precisos para otras ciudades donde el crecimiento de la población es diferente. En ese caso, el modelo debe usarse para estimar los valores de las casas solo en el área de Seattle.

Además, si el modelo se pone en uso y las cifras de crecimiento de la población cambian, la precisión del modelo puede reducirse debido a cambios en las características clave utilizadas para determinar los resultados. Por lo tanto, puede recomendar que los datos del modelo se reestructuren y optimicen cada dos años, y que el modelo se vuelva a entrenar para asegurarse de que sigue siendo hábil.