Después de entrenar un modelo de regresión, un especialista quiere determinar si las predicciones tienden a estar sistemáticamente por encima o por debajo de los valores verdaderos. ¿Qué método de diagnóstico mostrará si el modelo está sobreestimando o subestimando el objetivo?

Los gráficos de residuos son la herramienta más adecuada para identificar si un modelo de regresión sobreestima o subestima sistemáticamente los valores objetivo. Un patrón en los residuos (por ejemplo, todos los residuos positivos o negativos en un rango de valores predichos) indica un sesgo sistemático. El Error Cuadrático Medio (RMSE) es una métrica de error general que cuantifica la magnitud promedio de los errores, pero no revela la dirección del sesgo. El Área bajo la Curva (AUC) y la Matriz de Confusión son métricas utilizadas para problemas de clasificación, no de regresión, por lo que no son aplicables en este contexto.