Nach dem Training eines Regressionsmodells möchte ein Spezialist feststellen, ob Vorhersagen tendenziell systematisch über oder unter den wahren Werten liegen. Welche Diagnosemethode zeigt, ob das Modell das Ziel über- oder unterschätzt?

Residuenplots (Residual plots) zeigen die Differenz zwischen den vorhergesagten und den tatsächlichen Werten (Residuen) im Vergleich zu den vorhergesagten Werten oder den unabhängigen Variablen. Ein Muster in einem Residuenplot, wie z.B. eine Kurve oder eine Trichterform, deutet auf eine systematische Über- oder Unterschätzung des Modells hin. Root Mean Square Error (RMSE) ist eine Metrik, die die durchschnittliche Größe der Fehler quantifiziert, aber nicht die Richtung der Fehler anzeigt. Area under the curve (AUC) wird für Klassifikationsmodelle verwendet, nicht für Regression. Eine Konfusionsmatrix wird ebenfalls für Klassifikationsprobleme verwendet, um die Leistung des Modells bei der Kategorisierung von Datenpunkten zu bewerten.