核心要点
随机抽样一批错例（如 100 条），人工逐条归因分类
分门别类：数据噪声/标签错误/模型能力不足/边界与长尾
量化每一类的占比，按"占比 × 修复 ROI"排优先级
按切片/子群（人群、地域、品类）分析，而非只盯总体指标
标准回答
错误分析是定位瓶颈、决定下一步投入方向的核心手段，比盲目调参高效得多。
1. 抽样看错例
- 从验证集错误样本中随机抽 ~100 条，人工逐条看。
2. 分门别类归因
- 数据问题：输入噪声、缺失、分布偏移。
- 标签问题：标注错误或标注规范不清。
- 模型问题：能力不足、欠拟合特定模式。
- 边界/长尾：罕见 case、歧义样本。
3. 量化占比
- 统计每类占多少（如标签错误占 30%、长尾占 25%），用数据说话。
4. 排优先级
- 按 占比 × 修复难易/收益（ROI） 决定先做哪类。占比大且好修的优先。
5. 切片分析
- 按子群（新老用户、地域、品类）拆指标。总体 AUC 高不代表每个切片都好，长尾切片往往是问题集中区。
产出应是一份"错误类型分布表 + 行动项"，而不是一个总体指标。
常见误区
⚠️ 常见踩坑
只看总体指标（accuracy/AUC）下降就盲目换模型或调参，不去逐条看错例；忽视标签错误这一常被低估的大类，也不做切片，掩盖了长尾子群的系统性失败。
追问
追问 1：发现很大一部分错误其实是标签错的，怎么办？
先核实标注规范是否清晰、是否存在系统性误标。修正验证集中的错标样本以得到可信指标，再回溯训练集做清洗或重标。标签噪声大时，模型指标本身就不可信，必须先把"尺子"修准。
追问 2：为什么要按切片分析而不是只看总体指标？
总体指标会被多数群体平均掉，掩盖少数子群的系统性失败（如某地域、某品类全错）。切片能暴露公平性问题和长尾瓶颈，往往修好一个高占比的差切片，比整体调参收益更大。
追问 3：错误分析的产出如何指导下一步迭代？
产出错误类型分布表后，把投入对准占比最大且 ROI 高的那类：标签问题→清洗重标，数据覆盖不足→补数据，模型能力不足→改特征/换模型。每轮只针对一类改动，便于对比验证是否有效。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。