Maxent最大熵模型在实际操作做中，容易出现错误，该模型时非常容易上手，但会出现许多错误的模型。特别是大区域预测气候或生物栖息地。总结来说，一个简单的Maxent模型的结果，可以包括几个关键部分：一、模型表现的评估；二、阈值，判断是否有分布；三、预测的分布图；四、物种和环境的关系；五、环境变量对于这个物种分布的影响。
一、模型表现评估 二、Threshold阈值预测物种分布概率，但有些情况下，也可以解释为栖息地的适宜程度。将0-1连续数据变成一个分类值的阈值范围，认为大于这个值是有物种分布的。
三、预测分布图白点是我们的数据点，颜色越暖分布可能性越高
四、物种与环境关系
Response curves 物种与环境变量间的关系，第一行是所有变量加进去后物种与环境的关系，曲线显示了预测的存在概率如何随着每个环境变量的变化而变化，同时将所有其他环境变量保持在它们的平均样本值。第二行是单变量，就是但看这个物种跟变量的关系。如果变量之间存在强相关性，它们可能更容易解释。
五、环境变量对物种分布的影响参考下图中的表格。
六、关键衡量值
Reliable（可信）、Repeatable（可重复）、Defendable（可验证）这三个词就非常重要
在这个基础之上，其实我们做任何模型，都会发现这些模型的表现会存在两个关键的衡量的值。一个是Bias（偏差）：模型预测的这个值跟真实值之间的差别，还有一个是Variance（变异），Variance指的是预测五次、预测十次或当用百分之百的数据、90%的数据、80%的数据，或当用各种各样的分析路径时，预测的结果是否稳定。
A预测准确；B出现某种系统误差，偏差大，变异小；C取均值也是不错的模型；D是最差情况。
模型验证：更好的方法是K-partitions(folds)
七、注意事项1.变量之间的相关性，若高度相关，应该保留一个或变成复合变量
2.数据过于集中
3.解读物种与环境相关时，需要谨慎
4.变量贡献值不稳定，是由于不同建模方法、不同变量数据导致的
