Skor keseluruhan dapat membaik sementara populasi yang lebih kecil menerima prediksi yang lebih buruk. Anda akan memeriksa error di dalam segmen yang dinyatakan dan melaporkan banyaknya bukti hasil di balik setiap estimasi. Segmen dengan satu kejadian teramati memiliki recall yang rapuh, meskipun nilai yang ditampilkan tampak presisi. Hasil yang hilang mempersulit perbandingan, jadi evaluasi hanya label yang sudah matang dan biarkan jendela yang belum lengkap tetap terlihat. Irisan dalam pelajaran ini menggambarkan kelompok pelanggan fiktif dan residual model. Irisan itu mendukung diagnosis, bukan klaim keadilan secara hukum atau penjelasan kausal. Gunakan kebutuhan bisnis untuk memilih perbandingan, lalu periksa ketidakpastian sebelum mengusulkan perubahan.
Tingkat error yang dipisahkan mengungkap perbedaan yang bisa ditutupi oleh skor keseluruhan.