t 一致性矩阵的可视化方式挺实用的，用行列对照的方式，实际值和预测值一目了然。你在做字符型目标字段建模的时候，这种格式能帮你快速发现模型预测偏差，节省调试时间。

t 绩效评价的统计量展示也蛮直观的，它给的是每个类别的平均信息量。换句话说，就是帮你看模型对每一类的信心有多高。你要是做分类模型，比如用户画像、文本标签这种，这部分数据挺值得盯一眼的。

哦对了，下面这些相关文章也值得一看。像是一致性、Kendall 一致性系数、还有像redis 键值校验、Yac 分布式一致性算法，都和数据建模或者系统稳定性相关，看场景选着参考下：

计算矩阵 X 的 Kendall 一致性系数 - 统计场景能用上

随机选取一致性 - 研究随机因素对一致性的影响

CorfuDB：集群一致性平台 - 分布式系统相关

redis-full-check 键值一致性校验工具 - Redis 数据同步时必备

如果你最近在折腾预测模型、想优化模型输出的质量，可以试试把这些一致性的工具串起来用，效果还挺不错的。