회귀 모델을 훈련한 후, 전문가는 예측이 실제 값보다 체계적으로 높은 경향이 있는지 낮은 경향이 있는지 확인하고자 합니다. 모델이 목표를 과대평가하는지 과소평가하는지 보여줄 진단 방법은 무엇입니까?

잔차 플롯은 예측값과 실제값의 차이(잔차)를 시각화하여 모델이 체계적으로 과대평가하거나 과소평가하는 경향이 있는지 진단하는 데 매우 효과적입니다. 잔차가 양수 또는 음수 방향으로 패턴을 형성하면 모델에 편향이 있음을 나타냅니다. 제곱 평균 제곱근 오차(RMSE)는 모델의 전반적인 예측 오류 크기를 측정하지만, 오류의 방향성이나 패턴을 보여주지는 않습니다. 곡선 아래 면적(AUC)은 주로 분류 모델의 성능을 평가하는 데 사용되며, 회귀 모델의 편향 진단에는 적합하지 않습니다. 혼동 행렬 또한 분류 모델의 성능(정확도, 정밀도, 재현율 등)을 평가하는 데 사용됩니다.