概念卡：模型诊断 Model Diagnostics
概念卡：模型诊断 Model Diagnostics
一句话定义
模型诊断是检查模型假设、拟合质量和异常问题的过程。
它解决什么问题
它避免我们只看模型输出数字，却忽略模型是否适合当前数据。
典型使用场景
- 回归残差分析。
- 检查异常点和高影响点。
- 比较模型是否过拟合。
需要知道的关键词
- Residual
- Fitted Value
- Outlier
- Leverage
- Goodness of Fit
和导师方向的关系
应用统计作业和论文复现中，模型诊断是判断结果是否可信的关键。
交流时可以怎么说
我不会只看模型系数或准确率，还会看残差、异常点和假设是否合理。
如果诊断图显示系统性模式，说明当前模型可能没有捕捉到关键结构。
可以追问的问题
- 残差是否随机分布？
- 是否存在高影响样本？
- 当前模型的误差结构是否符合假设？
给 AI 的提示词
请解释模型诊断在回归分析中的作用。要求列出残差图、异常点、过拟合和模型假设检查，并给 Python 示例。
我的理解边界
- 已理解：模型诊断是检查模型可靠性。
- 还不确定：不同模型对应哪些诊断方法。
- 下次需要补：残差图解释。