一、普通回归容易犯的错误
一批样件试验到 100 小时结束，其中部分样件尚未失效。如果把这些样件统一记为“寿命 100 小时”，模型会系统性低估寿命；如果把它们删除，又会丢失“寿命至少超过 100 小时”的有效信息。这类样本属于截尾数据，需要生存分析或相应可靠性方法处理。
二、先定义预测对象
项目可能关注剩余寿命、性能退化轨迹、规定时间内失效概率、可靠度下限或危险部位排序。不同目标需要不同标签和评价方法。若任务载荷、失效判据和试验终止规则没有统一，即使模型拟合误差很小，也难以形成可用结论。
三、四类数据问题必须先处理
截尾：试验结束但样件未失效，不能按结束时刻直接记作失效；条件差异：材料、批次、工艺、设备、温度和载荷必须作为上下文保留；失效模式混合：氧化、疲劳、蠕变、烧蚀和界面失效不宜无区别共用一个标签；样本选择偏差：只保留成功方案会使模型对实际风险过度乐观。存在多种相互竞争的失效模式时，应考虑分模式建模或竞争风险方法，避免用单一平均寿命掩盖真正的主导风险。
四、加速试验不能直接外推
加速试验结果只有在加速前后主导失效机理保持一致，并且温度、应力或环境因子与寿命之间的关系经过验证时，才适合用于外推。若更高载荷触发了新的失效模式，模型得到的“加速关系”就可能不再对应真实任务环境。
五、可靠性要看概率是否可信
工程应用除平均误差外，还应评价预测区间覆盖率、概率校准、不同批次回测、极端工况稳定性和超范围识别。若模型对一组可比对象给出 10% 的失效概率，长期观察结果应与该比例基本一致；否则概率数字虽精确，决策意义仍然有限。高后果场景中，模型输出应与保守边界、安全系数、验证试验和专家审查共同使用。需专业复核和项目数据验证。