Pareizība apraksta, cik bieži MI modelis sniedz pareizus rezultātus; stabilitāte apraksta, cik droši šī veiktspēja saglabājas — ar nedaudz mainītiem ievaddatiem, jauniem datiem vai laika gaitā. Modelis testos var būt ļoti precīzs, bet nestabils, ja jau jautājuma pārfrāzēšana noved pie citas atbildes. Reālai lietošanai abas īpašības pārbauda ar fiksētiem testa gadījumiem, krusteniskās validācijas metodi un pastāvīgu uzraudzību.
Modeļa robustums raksturo, cik uzticami MI modelis darbojas, ja ievaddati ir trokšņaini, nepilnīgi, neparasti vai tīši manipulēti. Robusts modelis joprojām sniedz stabilus rezultātus, piemēram, attēlu atpazīšanā sliktā apgaismojumā vai valodas modelim apstrādājot drukas kļūdas. Robustumu novērtē ar slodzes testiem, daudzveidīgiem apmācības datiem un testiem pret tīšiem maldināšanas mēģinājumiem, un tas ir īpaši svarīgs drošībai kritiskās lietojumprogrammās.
Modeļa novirze ir pakāpeniska modeļa prognožu kvalitātes pasliktināšanās ekspluatācijas laikā, jo realitāte mainās salīdzinājumā ar apmācības datiem. Izšķir ievaddatu izmaiņas (datu novirze) un izmaiņas sakarībā starp ievadi un rezultātiem (koncepta novirze). Piemērs: krāpšanas atklāšanas modelis nepamana jaunas krāpšanas shēmas. Pretlīdzekļi ir nepārtraukta metriku uzraudzība un regulāra atkārtota apmācība.
Krusteniskā validācija ir metode, ar kuru pārbauda, cik labi modelis vispārina jauniem, neredzētiem datiem. K-kārtu krusteniskajā validācijā dati tiek sadalīti k daļās; modelis tiek apmācīts k reizes uz k−1 daļām un katru reizi pārbaudīts uz atlikušās daļas, pēc tam rezultāti tiek vidēji aprēķināti. Tas palīdz atklāt pārmācīšanos un godīgi salīdzināt modeļus vai iestatījumus, īpaši, ja datu ir maz.
MI jomā etalontestēšana (benchmarking) nozīmē sistemātisku modeļu vai sistēmu salīdzināšanu, izmantojot noteiktus uzdevumus un kritērijus. Publiski etalontesti mēra, piemēram, vispārējās zināšanas, spriešanas vai programmēšanas spējas; praktiskai izmantošanai tomēr vissvarīgākie ir testa gadījumi no jūsu pašu ikdienas darba. Tipiski kritēriji ir precizitāte, pilnīgums, atbildes laiks un izmaksas. Tas palīdz izlemt, vai mazāks, lētāks modelis konkrētam uzdevumam ir pietiekami labs.
