Na het trainen van een regressiemodel wil een specialist bepalen of voorspellingen systematisch boven of onder de werkelijke waarden liggen. Welke diagnostische methode toont aan of het model het doel overschat of onderschat?

Residuenplots zijn grafieken van de voorspellingsfouten (residuen) tegen de voorspelde waarden of de onafhankelijke variabelen. Als de punten in een residuenplot een patroon vertonen (bijvoorbeeld een curve of een trechtervorm), duidt dit op systematische fouten, zoals overschatting of onderschatting van het doel. Een ideale residuenplot toont willekeurig verspreide punten rond nul, wat betekent dat het model geen systematische bias heeft. RMSE (Root Mean Square Error) is een meting van de gemiddelde grootte van de fouten, maar geeft geen inzicht in de richting van de fouten (overschatting of onderschatting). Area under the curve (AUC) wordt gebruikt voor classificatiemodellen en is niet relevant voor regressie. Een verwarringsmatrix (confusion matrix) wordt ook gebruikt voor classificatiemodellen om de prestaties te evalueren, niet voor regressie.