泰勒图(Taylor Diagrams)原理及绘制

发布时间:2024年01月09日

🌞欢迎来到深度学习的世界?
🌈博客主页:卿云阁

💌欢迎关注🎉点赞👍收藏??留言📝

🌟本文由卿云阁原创!

??希望可以和大家一起完成进阶之路!

🙏作者水平很有限,如果发现错误,请留言轰炸哦!万分感谢!


泰勒图的原理

比如我有一个模型A里面有三个值(x1,x2,x3)

? ? ? ? ? ? ? ? ? ? ? 模型B里面有三个值(y1,y2,y3)

? ? ? ? ? ? ? ? ? ? ? 真实值:(m1,m2,m3)

怎么知道每个模型预测的效果好坏呐?

一般有三个指标:

相关系数(R):如果两个数据相关性很高的话,说明模拟效果是可以的。

RMSE:其实和相关系数是有关的,模型和真实值的差距。(RMSE接近于0,说明R接近于1)模型值A与真实值M的中心均方根误差

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

std(标准差):模型值A自身的标准差(方差开根号,方差描述的是数值的偏离程度)

? ?泰勒图:泰勒图常用于评价模型的精度,常用的精度指标有相关系数,标准差以及均方根误差(RMSE)。一般而言,泰勒图中的散点代表模型,辐射线代表相关系数横和纵轴代表模型值和真实值标准差,而虚线代表均方根误差

pip?install?-i?https://pypi.tuna.tsinghua.edu.cn/simple/?SkillMetrics

代码如下:

import skill_metrics as sm
import matplotlib.pyplot as plt
import numpy as np

# 提供数据
sd = np.array([1, 0.82, 1.12, 1.48])
cc = np.array([1, 0.48, 0.36, 0.74])
rmsd = np.array([0, 1.68, 1.57, 1.92])
label = ['obs', 'RF', 'XGBoost', 'GBRT']

# 创建图表
fig = plt.figure(figsize=(10, 8))
ax = fig.add_axes([0.1, 0.1, 0.75, 0.75])  # 调整图表位置和大小

# 绘图
sm.taylor_diagram(sd, rmsd, cc, markerLabel=label, markercolor="k", markerSize=8, markerLegend='on',
                  colCOR="k", styleCOR="--", widthCOR=0.5,
                  colSTD="k", widthSTD=0.9, styleSTD="--", axismax=1.7,
                  widthRMS=0.5, labelRMS=':', colRMS='m',
                  colOBS="r", styleOBS="--", widthOBS=1)  # 改变观测值线的颜色为红色

# 设置图表样式
ax.grid(False)
ax.set_title("Taylor Diagram", fontsize=16)  # 添加标题
ax.tick_params(labelsize=12)  # 调整刻度标签字体大小

plt.show()

? ??

sm.taylor_diagram(sd, rmsd, cc,
                      markerDisplayed = 'colorBar', titleColorbar = 'RMSD',
                     locationColorBar = 'EastOutside',
                      cmapzdata = rmsd, titleRMS = 'off',
                      colOBS="r", styleOBS="--", widthOBS=2.0,
                      colRMS = 'g', styleRMS = ':', widthRMS = 1.8,
                      colSTD = 'k', styleSTD = '-', widthSTD = 0.9, axismax=1.7,
                      colCOR = 'k', styleCOR = '--', widthCOR = 0.5)
text_font = {'size':'15','weight':'bold','color':'black'}

文章来源:https://blog.csdn.net/zzqingyun/article/details/135464190
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。