जंगली गुलाब स्कोर दृष्टिकोण बहुत सरल है और सबसे सीधे लागू रास्ता द्विआधारी घटना बनाम एक भविष्यवाणी परिणाम की सटीकता की पुष्टि।
बस फॉर्मूले पर भरोसा न करें ... विभिन्न समय, डेटा, त्रुटियों, [भारित] डेटा, त्रुटियों के औसत रोलिंग के लिए स्कोर की साजिश ... यह कहना मुश्किल है कि दृश्य विश्लेषण क्या प्रकट कर सकता है ... आपके विचार से आप कुछ देखते हैं, आप बेहतर जान पाएंगे कि जब तक आप डेटा को नहीं देखते हैं , तब तक किस तरह की परिकल्पना का परीक्षण करना है ।
ब्रायर स्कोर स्वाभाविक रूप से भिन्नता / अंतर्निहित वितरण मौसम और प्रौद्योगिकी की स्थिरता की भविष्यवाणी करता है, पूर्वानुमान मॉडल, रैखिकता की कमी, कोई पूर्वाग्रह, पूर्वाग्रह में परिवर्तन की कमी ड्राइविंग तकनीक ... यह मानता है कि सटीकता / अशुद्धि का एक ही सामान्य स्तर सुसंगत है। जैसे-जैसे जलवायु परिवर्तन होते हैं, जिन्हें अभी तक समझा नहीं गया है, मौसम की भविष्यवाणी की सटीकता कम हो जाएगी; इसके विपरीत, वैटरमैन को जानकारी खिलाने वाले वैज्ञानिकों के पास अधिक संसाधन, अधिक पूर्ण मॉडल, अधिक कंप्यूटिंग शक्ति है, इसलिए शायद भविष्यवाणियों की सटीकता बढ़ जाएगी। त्रुटियों को देखते हुए पूर्वानुमानों की स्थिरता, रैखिकता और पूर्वाग्रह के बारे में कुछ बताना होगा ... आपके पास रुझान देखने के लिए पर्याप्त डेटा नहीं हो सकता है; आप सीख सकते हैं कि स्थिरता, रैखिकता और पूर्वाग्रह कोई मुद्दा नहीं है। आप सीख सकते हैं कि मौसम के पूर्वानुमान अधिक सटीक हो रहे हैं ... या नहीं।