地理加权回归

最新推荐文章于 2025-03-13 22:39:57 发布

m0_61027476

最新推荐文章于 2025-03-13 22:39:57 发布

阅读量1.3k

点赞数

分类专栏：地理加权回归经验文章标签：机器学习概率论

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_61027476/article/details/120825204

版权

本文介绍了地理加权回归模型的实现，包括SAM、ArcGIS、GEODA软件及R语言的应用。重点讨论了Gauss函数法和近高斯函数法在带宽确定中的作用，以及带宽选择的重要性，如CV交叉验证和AIC最小信息准则。通过这些方法，可以优化模型的回归参数，降低偏差和方差。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

地理加权回归模型实现：SAM，Arcgis，GEODA软件，R语言

1.Gauss函数法

【选择连续单调递减函数】

$w_{ij} = exp(-(d_{ij}/b)^{2})$

带宽b，就是权重与距离之间函数关系的非负衰减参数，带宽越大，权重随距离增加衰减得越慢。

2.近高斯函数法

【离散，长尾效应裁掉，提高效率】

$w_{ij}=[1-(d_{ij}/b)^2$ $d_{ij} < b$

$w_{ij}=0$ $d_{ij} > b$

bi-square函数是距离阈值法和Gauss函数法结合，回归点在带宽内，高斯联系单调递减函数计算数据点权重，超出部分权重记为0。

带宽

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。