Una puntuación global puede mejorar mientras una población más pequeña recibe predicciones peores. Examinarás los errores dentro de segmentos declarados e informarás de cuántos resultados respaldan cada estimación. Un segmento con un solo evento observado tiene una sensibilidad frágil, aunque el valor mostrado parezca preciso. Los resultados que faltan dificultan la comparación, así que evalúa solo las etiquetas maduras y mantén visibles las ventanas incompletas. Los segmentos de esta lección describen grupos de clientes ficticios y residuos del modelo. Sirven para diagnosticar, no para afirmar una equidad legal ni dar una explicación causal. Usa el requisito de negocio para elegir la comparación y revisa la incertidumbre antes de proponer un cambio.
Las tasas de error por separado revelan diferencias que la puntuación global puede ocultar.