DataRobot Model Performance 與 Interpretation Tools。
能區分 Lift、ROC／Confusion Matrix、KS／AUC、Feature Impact、Feature Effects 與 Prediction Explanations。
原書以 Titanic 模型展示整體 Performance 與個別 Prediction Interpretation。
Figures 10.18–10.26。
先看整體模型，再看 Feature Level，最後看 Individual Prediction。
依 DataRobot Output；不自行補造圖中未完整擷取數值。
高 Performance 仍需回答「哪些 Features 重要」以及「為何某一筆資料得到此 Prediction」。
比較 Lift、ROC、Feature Impact 與 Prediction Explanations 各自回答的問題。
Feature Importance 高是否等於因果效果？
參考解答： 否；它反映模型預測中的重要性，不直接證明因果。