 Una vez que ha finalizado el algoritmo de aprendizaje automático, podemos comprobar el modelo que acaba de construir utilizando esta caja de texto, cuyo propósito precisamente es el de testear el modelo. Pongamos, por ejemplo, esta frase. Enciende la luz. Bien, vemos que la ha reconocido como perteneciente a la lista en cender la luz, lo cual es correcto, y además indica que se ha hecho la clasificación con un 100% de confianza. Es decir, está completamente seguro. Y está completamente seguro porque esta frase pertenece precisamente al conjunto de entrenamiento que creamos en la primera fase. Pero, ¿qué pasaría si me equivoco a la hora de teclearlo y pongo algo como enciende la luz? De nuevo, es capaz de clasificarlo correctamente. Baja la confianza, no mucho, pero la clasifica correctamente. Y algo así. Baja un poquito más la confianza, sigue siendo alta, pero se clasifica correctamente. Y si somos un poquito educado, enciende la luz, por favor. De nuevo, lo clasifica de una manera correcta. Y si pongo algo así como creo que voy a resfriarme. Pues dado que en el conjunto a pagar ventilador, la lista para el ventilador, hay una frase que es parecida esa, la que se utiliza el verbo resfriar, él la clasifica correctamente con un intervalo de confianza bastante alta. Es siempre así de alto el intervalo, perdón, el grado de confianza? Pues no. Si ponemos una frase como, por ejemplo, me duele el pie derecho, vemos que el grado de confianza ha bajado muchísimo. Ya probablemente debamos plantearnos si esta clasificación es correcta. Probemos con otra. Me encanta escuchar la radio. Pues vemos que de nuevo hace una clasificación, pero que la confianza es baja. Esto significa que no siempre va a clasificar correctamente, pero sí que te indica cómo o hasta qué punto podemos creerlo. Gracias a ese parámetro que se llama la confianza y que nosotros como programadores debemos utilizar y debemos definir a partir de qué porcentaje nos creemos o le damos crédito a la clasificación o no. Una cosa importante e interesante de conocer la confianza es que cuando utilicemos como entrada una frase y el resultado sea una confianza baja, siempre podremos añadir esa frase. Al conjunto de a la lista que le corresponda y volver a entrenar el modelo. De esa manera obtendremos una nueva función, un nuevo modelo más poderoso que la anterior. Porque ha incorporado una nueva frase y por tanto será capaz de clasificar correctamente esa frase y todas las que sean parecidas a ella.