Capítulo 2: Pruebas de Sistemas de ML

Tipos de pruebas de ML

Tipo de prueba	Qué prueba	Ejemplo
Unit	Funciones individuales	Ingeniería de características
Data	Calidad de los datos	Esquema, valores nulos
Model	Comportamiento del modelo	Predicciones sobre entradas conocidas
Integration	De extremo a extremo	API a predicción
Performance	Velocidad/uso de recursos	Latencia, memoria

Ejemplos de pruebas

# tests/test_model.py
import pytest
import numpy as np

class TestModel:
    @pytest.fixture
    def model(self):
        return load_model("models/churn_model.pkl")
    
    def test_prediction_shape(self, model):
        X = np.random.randn(10, 15)
        predictions = model.predict(X)
        assert predictions.shape == (10,)
    
    def test_prediction_range(self, model):
        X = np.random.randn(100, 15)
        predictions = model.predict_proba(X)
        assert np.all(predictions >= 0) and np.all(predictions <= 1)
    
    def test_known_input(self, model):
        # High-risk customer features
        high_risk = np.array([[0, 100, 365, 0, 1, ...]])
        prob = model.predict_proba(high_risk)[0, 1]
        assert prob > 0.7, "High-risk customer should have high churn probability"

---

Siguiente: Capítulo 3: Entrenamiento Continuo