举个例子
还是分类猫图片的例子
假设在dev上测试的时候，有100张图片被误分类了。现在要做的就是手动检查所有被误分类的图片，然后看一下这些图片都是因为什么原因被误分类了。
比如有些可能因为被误分类为狗或者其他的原因，然后列一张表格
通过这种人工检查误分类的方式，就可以得到误分类数据被误分类原因的占比
然后可以看到如果在被误分类为狗的工作上优化模型，其上限不过是8%而已。如果在猫科动物和模糊的问题上进行优化，可以让模型最终的表现得到更大的提升。
这就是误差分析法
