🌞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'}