超级会员免费看
本文介绍了时空数据的局部异常值分析，包括其实现原理、工具参数、输出结果的详细解析，以及与新兴时空热点分析的区别。通过局部异常值分析，可以识别出高值或低值的空间聚类和异常值，帮助理解数据中的异常模式。
01、局部异常值分析
局部异常值工具可识别具有高值或低值的要素是否存在空间聚类和异常值。聚类是指高值周围围绕高值，低值周围围绕低值，异常值是指高值周围围绕低值，低值周围围绕高值的情况。
局部异常值分析示意
1. 实现原理
它的实现原理大致如下：
使用时空邻域的值（局部值）执行各条柱的聚类和异常值分析（Anselin Local Moran's I 统计），得出Local Moran's I 指数、伪P值和类型编码 (CO_TYPE)，结合上述结果，判断其聚类或异常值情况。
2. 工具参数
根据上述原理，来拆解一下重要参数。
局部异常值分析工具
会发现这个工具除排列数参数外，其他参数与新兴时空分
订阅专栏 解锁全文
扫一扫
904
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
