Po wytrenowaniu modelu regresji specjalista chce określić, czy przewidywania systematycznie zawyżają, czy zaniżają prawdziwe wartości. Która metoda diagnostyczna pokaże, czy model przeszacowuje, czy niedoszacowuje wartości docelowej?

Wykresy reszt (błędów) są najlepszą metodą diagnostyczną do oceny, czy model regresji systematycznie zawyża, czy zaniża wartości docelowe. Analizując rozkład reszt (różnic między wartościami przewidywanymi a rzeczywistymi) w funkcji wartości przewidywanych lub zmiennych niezależnych, można zidentyfikować wzorce, które wskazują na stronniczość modelu. Na przykład, jeśli reszty są konsekwentnie dodatnie dla pewnego zakresu wartości, model niedoszacowuje; jeśli są ujemne, model przeszacowuje. RMSE (Root Mean Square Error) mierzy ogólną wielkość błędów, ale nie wskazuje kierunku stronniczości. Pole pod krzywą (AUC) jest metryką stosowaną w klasyfikacji, nie w regresji. Macierz pomyłek również służy do oceny modeli klasyfikacyjnych, a nie regresyjnych.