Некоторые методы анализа ошибок в машинном обучении:

• Визуальный и статистический анализ остатков. 2 Позволяет оценить смещение, гетероскедастичность и нормальность остатков — разницы между фактическим значением целевой переменной и предсказанным значением. 2
• Анализ лучших и худших случаев. 2 Направлен на выявление общих паттернов на основе остатков. 2
• Corner Case Analysis. 2 Фокусируется на том, какие остатки характерны для объектов с конкретными особенностями. 2
• Автоматическое сохранение объектов с наибольшими ошибками. 2 Это помогает заметить общие паттерны и в будущем проследить, как менялся характер ошибки по мере внесения улучшений и добавления новых признаков. 2

Также для анализа ошибок в машинном обучении используют метод SHAP, который на основе теории игр определяет вклад каждого признака в принятие решений моделью, и метод LIME, использующий локальную модель для интерпретации результатов машинного обучения. 1