Что такое error analysis в ML и как делать slice-based evaluation вместо одного скаляра качества?

Error analysis — систематический разбор ошибок модели, а не констатация «AUC улучшился на 2%». Slice-based evaluation делит test на сегменты (возраст, регион, время) и считает метрику по каждому отдельно: большой разброс = fairness / robustness issue. Дополни confusion matrix slicing и top-K confident errors (highest proba среди FN) — это вскрывает label noise и подгруппы, где модель сыпется.