13、土壤样本选择与模型评估指标详解

土壤样本选择与模型评估指标详解

1. 实验室分析样本的选择

在实验室分析样本的选择中，样本的代表性至关重要。例如，样本A比样本B或C更能代表总体，因为它在总体概率密度函数中的位置更具代表性。

为了评估不同抽样设计和样本大小的效果，我们可以使用一个名为 css() 的函数，该函数来自特定的代码集，可从相关包中加载。以下是该函数的参数说明：
| 参数 | 说明 |
| ---- | ---- |
| S | 主成分得分矩阵 |
| k | 包含要评估的样本集大小的向量 |
| method | 抽样算法，可选值为 “kss”（Kennard - Stone抽样）、”kms”（k - 均值抽样，默认值）和 “clhs”（条件拉丁超立方抽样） |
| repetitions | 对于每个要评估的样本大小，抽样必须进行的次数。最终均方距离（msd）的结果是每次迭代获得结果的平均值。注意，”kss” 方法是确定性的，总是返回相同的结果，因此不需要重复 |
| n | 用于估计概率密度的等间距点的数量 |
| from, to | 用于估计密度的网格的最左和最右点的向量。默认是S中变量的最小值和最大值 |
| bw | 用于概率密度的平滑带宽向量 |
| … | 传递给校准抽样算法的参数，即用于在该函数内部运行的clhs、kenStone或naes函数的额外参数 |

以下是使用该函数的具体步骤：
1. 对NIRsoil数据的主成分得分进行标准化处理：

# scale the PC sc