La robustesse du top-modèle est assez bonne, elle est proche des performances en précision.
La courbe de décision du top-modèle (courbe verte) montre que le modèle évite le sur-apprentissage : il réussit à découvrir le phénomène sous-jacent (courbe bleue) sans se caler aux mesures expérimentales fortement bruitées (points rouges).
Il est à noter que la corrélation entre les valeurs prédites par le top-modèle et les valeurs réelles de la loi cachée (0.944) est bien supérieure à la corrélation entre les valeurs des points d’apprentissage et les valeurs réelles de la loi cachée (0.753). De même, l’erreur RMSE entre les valeurs prédites par le top-modèle et les valeurs réelles de la loi cachée (6.53%) est 3 fois plus faible que l’erreur RMSE entre les valeurs des points d’apprentissage et les valeurs réelles de la loi cachée (18.39%).