Após treinar um modelo de regressão, um especialista deseja determinar se as previsões tendem a ficar sistematicamente acima ou abaixo dos valores verdadeiros. Qual método de diagnóstico mostrará se o modelo está superestimando ou subestimando o alvo?

Gráficos de resíduos (resíduos vs. valores previstos ou resíduos vs. variáveis independentes) são ideais para identificar tendências sistemáticas. Se os resíduos (diferença entre o valor real e o previsto) mostrarem um padrão, como estarem consistentemente acima ou abaixo de zero para certos intervalos, isso indica que o modelo está superestimando ou subestimando o alvo. RMSE é uma métrica de erro geral que quantifica a magnitude média dos erros, mas não revela a direção do viés. A Área sob a curva (AUC) é usada para modelos de classificação binária, não regressão. Matrizes de confusão também são para classificação, mostrando acertos e erros em diferentes classes.