数据挖掘
文章平均质量分 91
GADFLYGIS
目前不在本行业工作,但是持续关注着测绘地理信息。
展开
-
R-INLA-参数介绍
贝叶斯地理统计模型R-INLA-参数介绍转R-INLA-参数介绍 - 简书https://www.jianshu.com/p/52498158c0e5在前述的内容中,我们介绍了,如何利用海拔高度预测降雨量信息,在建立了INLA空间模型后,需要对模型的参数进行提取,但是具体涉及到哪些参数,所以本篇内容就来介绍,INLA模型中包含的参数问题1.INLA-简单回归模型在面对具体问题时候,需要具体对待,譬如,用SDI变量来估计水的PH大小,我们先建一个简单的回归模型。image-20200转载 2022-04-26 11:57:40 · 1616 阅读 · 0 评论 -
ArcGIS Pro中的回归分析浅析(下)地理加权回归工具(GWR)使用&小结
内容导读1)回归概念介绍;2)探索性回归工具(解释变量的选择)使用;3)广义线性回归工具(GLR)使用;*加更:广义线性回归工具的补充内容4)地理加权回归工具(GWR)使用+小结。说明:本节是这个学习笔记最后一部分。PART/04地理加权回归工具(GWR)使用上一节我们讲了GLR广义线性回归,它是一种全局模型,可以构造出最佳描述研究区域中整体数据关系的方程。如果这些关系在研究区域中是一致的,则 GLR 回归方程可以对这些关系进行很好的建模。不过,当这些关系在研转载 2022-03-31 09:24:26 · 19070 阅读 · 7 评论 -
【无标题】ArcGIS Pro中的回归分析浅析(加更)关于广义线性回归工具的补充内容
在回归分析浅析中篇的文章发出去之后,有热心网友问了一个直击灵魂的问题。确实,在中篇中写道:这句话该怎么理解呢?一般情况下,拿到研究数据之后,如果我们计划使用GLR工具,首先需要判断使用哪个模型,使用哪个模型是由数据来确定的,当数据都是整数时,究竟是用高斯还是泊松呢?我们知道,高斯模型需要满足数据正态分布。在Pro中如何看数据是否正态分布呢?打开Pro,在内容列表中选择包含因变量的原始图层,选择创建图表,点击直方图就可以查看数据的分布形态了。在图表属性中选择数值变量为Calls转载 2022-03-25 16:49:48 · 454 阅读 · 0 评论 -
ArcGIS Pro中的回归分析浅析(中)广义线性回归工具(GLR)使用
1)回归概念介绍;2)探索性回归工具(解释变量的选择)使用;3)广义线性回归工具(GLR)使用;4)地理加权回归工具(GWR)使用+小结。上集内容,请点击PART/03广义线性回归工具(GLR)使用一、工具使用在确定了解释变量之后就可以直接使用广义线性回归工具了。GLR工具来看一下工具的参数:输入要素:ObsData911Calls面要素因变量:这里我们选择要解释的变..转载 2022-03-24 16:46:57 · 4019 阅读 · 0 评论 -
ArcGIS Pro中的回归分析浅析(上)回归的概念&探索性回归工具使用
2022年,M姐的小伙伴想研究一下空间分析应用,一不小心,小伙伴有点“走火入魔”,在回归分析这条路上,走出了花火,于是,写了一篇学习总结。阅后十分激动,决定分享出来,本内容将分为四个部分依次介绍,分别是:1)回归概念介绍;2)探索性回归工具(解释变量的选择)使用;3)广义线性回归工具(GLR)使用;4)地理加权回归工具(GWR)使用+小结。今天我们先分享前两节的内容。回归的概念介绍&探索性回归工具的使用。另外,小伙伴的空间分析应用学习还在进行中,期待她更多的分享~PART/转载 2022-03-23 16:53:45 · 6607 阅读 · 0 评论 -
数据挖掘数据集下载搜集整理版
数据挖掘数据集下载搜集整理版 1、气候监测数据集http://cdiac.ornl.gov/ftp/ndp026b 2、几个实用的测试数据集下载的网站 Data forMATLAB hackers (HandwrittenDigits、Faces、Text) http://www.cs.toronto.edu/~roweis/data.html 3、UCI转载 2016-12-27 20:52:19 · 4738 阅读 · 0 评论 -
这 6 段代码,成就了如今的深度学习
https://www.cnblogs.com/xyou/p/7714633.html从代码中追溯深度学习的历史Emil Wallner 2017年9月20日深度学习发展到如今的地位,离不开下面这 6 段代码。本文介绍了这些代码的创作者及其完成这些突破性成就的故事背景。每个故事都有简单的代码示例,读者们可以在 FloydHub 和 GitHub 找到相关代码。Source: Google pres...转载 2018-06-29 14:45:28 · 391 阅读 · 0 评论