关于预测类问题必做哪种检验如下：
在预测类问题中，为了确保预测结果的准确性和可靠性，必须进行一系列检验。以下是八种必须做的检验：
1. 偏差检验：
偏差检验用于检查预测模型是否符合预期。它可以帮助我们判断模型是否过度拟合训练数据，从而避免“过拟合”现象。常用的偏差检验方法包括平均绝对误差（MAE）、均方误差（MSE）和均方根误差（RMSE）等。
2. 精度检验：
精度检验用于评估预测模型的准确性。它可以帮助我们了解模型在未见过的数据上的表现，从而确定模型的泛化能力。常用的精度检验方法包括准确率、精确率、召回率和F1分数等。
3. 误差分析：
误差分析用于深入了解预测模型的误差来源。通过分析误差的分布和大小，可以找出模型中存在的问题，并采取相应的措施来降低误差。
4. 交叉验证：
交叉验证是一种评估模型性能的有效方法。通过将数据集分成多个子集，并在每个子集上分别进行模型训练和测试，可以获得更准确的结果。交叉验证还可以用于模型选择，确定最佳的模型参数。
5. 特征选择：
特征选择用于确定预测模型所需的重要特征。通过选择与预测目标相关性较高的特征，可以减少模型的复杂度，提高预测效率。特征选择的方法包括过滤式、包装式和嵌入式等。
6. 时间序列预测：
时间序列预测用于预测时间序列未来的值。它可以帮助我们根据历史数据预测未来的趋势和波动。常用的时间序列预测方法包括ARIMA、SARIMA、VAR、LSTM等。
7. 因果分析：
因果分析用于探究两个或多个变量之间的因果关系。通过分析变量之间的相关性、时间顺序和其他信息，可以确定变量之间的因果关系。常用的因果分析方法包括基于变量的因果推断、基于干预的因果推断和基于时间序列的因果推断等。
8. 多重共线性检测：
多重共线性检测用于检测变量之间的多重共线性。当两个或多个变量之间存在高度相关关系时，会导致模型出现过拟合和欠拟合等问题，从而影响预测准确性。通过多重共线性检测，可以发现变量之间的依赖关系，并采取措施解决共线性问题，例如删除冗余变量或使用主成分分析等方法。
总之，在预测类问题中，进行上述八种检验是十分必要的。通过这些检验，我们可以了解模型的性能和误差来源，并进行相应的改进，从而提高预测的准确性和可靠性。