技能评分统计类似于Nash-Sutcliffe,接近一个更好的预测模型。这个函数解释模型可预测性使用残差和观察到的变化数据。技能评分1意味着一个完美的适合我们都希望(不要)。技能分数等于或小于零意味着你的模型误差大于您的数据的变化,不应使用任何进一步没有重新评估模型设计。没有需要工具箱来计算这个数据。
这个函数将两组数据索引(例如,时间是一个很好的一个),和匹配使用十字路口的两套在MATLAB函数。数据集(即每个N x 2在维度)不需要平等维度(由相交?)或线性增量。
一个重要提示:这是一个参数的测试。使用平均值和标准偏差统计数据时,数据的分布应该被测试。然而,我想要保持这一个独立的脚本没有qqplots, Mann-Whitney等被称为在这个函数。
为了方便起见,我呢?人也已经公布了nashsutcliffe函数?喜欢我的推导。提交的这些功能都是不超过一个新奇的简单性质统计,但到底,我需要创建这个为什么不贴。我一个有价值的统计数据提交前一段时间,是一个非参数趋势检验,Mann-Kendall Tau-b (ktaub命名。米在地球科学类)。除了在MATLAB统计的迫切需要,设计有一些优雅。
引用作为
杰夫Burkey (2023)。估算模型技能的可预测性(//www.tianjin-qmedu.com/matlabcentral/fileexchange/14177-estimating-a-models-skill-of-predictability), MATLAB中央文件交换。检索。
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.0.0.0 | 我更新了总结。不知为什么,当我提交这个脚本中,浏览器之前提交ktaub.m填写摘要。抱歉任何困惑人们可能有。 |