Model Evaluation is het proces van het beoordelen hoe goed een machine learning-model presteert op nieuwe, onzichtbare gegevens. Dit is cruciaal omdat goed trainingsresultaten niet per se goede echte prestatie betekenen.

Evaluatiemetrieken hangen af van het taaktype: voor classificatie gebruik je accuracy, precision, recall en F1-score. Voor regressie gebruik je MAE en RMSE. Een goede evaluatie vereist juiste trein-test splitsen en cross-validatie.