- 博客(8)
- 收藏
- 关注
RSS订阅原创 python机器学习（一）：k—近邻算法（KNN）
k-近邻算法是一种比较简单的机器学习分类算法，通过测量不同特征值之间的距离来分类。基本原理是：在特征空间中，如果一个样本附近的k个最邻近的样本大多数都属于某一类别，那么这个样本也属于该类别。(通常k不大于20)我们的直觉告诉我们未知电影应该归类为爱情片，但具体代码如何实现呢？下面使用KNN算法来分类。机器学习实战 /(美)哈林顿（Harrington, P.）著；优点：精度高，对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。适用范围：数值型和标称型。
2025-03-17 15:10:11
310
原创 批量下载并处理GLASS（modis/AVHRR）产品数据（三）
针对GLASS-AVHRR数据集（以ET为例）批量处理代码如下，直接改路径即可，需要修改的地方我都备注了。运行效果如下，会生成my_hdf_to_tif文件夹，里面存储着生成的。第二步，直接重投影，例如投影到WGS1984。续上AVHRR数据处理过程。
2024-12-21 19:22:11
324
原创 批量下载并处理GLASS（modis/AVHRR）产品数据（二）
GLASS产品下载后的数据格式是hdf格式，第一步需要将其转化为tif格式，不写代码的话一般是MRT工具批量处理比较方便，详情请看本人之前的博客，这里本人使用python脚本对其处理。针对GLASS-MODIS数据集（以ET为例）批量下载代码如下，直接改路径即可，需要修改的地方我都备注了。运行效果如下，会生成my_hdf_to_tif文件夹，里面存储着生成的tif文件。GLASS产品主要是两种产品处理得到的，分别是MODIS和AVHRR。
2024-12-01 16:36:32
1199
2
原创 批量下载并处理GLASS（modis/AVHRR）产品数据（一）
GLASS产品数据集由北师大团队开发，可直接在国家地球科学数据中心或马里兰大学GLASS产品官网下载，不需要连外网。上一篇博客介绍了如何使用MRT处理modis产品数据，个人还是比较喜欢用代码处理，这篇博客及后续几篇博客主要讲如何用代码实现GLASS（modis/AVHRR）产品的下载及处理。针对GLASS-MODIS数据集（以ET为例）批量下载代码如下，直接改路径即可，需要修改的地方我都备注了。GLASS产品主要是两种产品处理得到的，分别是MODIS和AVHRR。
2024-11-19 19:50:00
412
原创 假设检验内容回顾
本博客参考【《概率统计零基础》024 假设检验】 https://www.bilibili.com/video/BV1vV4y137av/?检验统计量把样本空间分为两个区域，使原假设被拒绝的样本观察值所组成的区域为拒绝域，此时，统计量落入拒绝域的概率为给定的小概率。假设检验统计量为检验统计量，检验统计量包含待检验的参数，但不能包含未知参数。仅控制犯第一类错误的概率的检验称为显著性检验，2）选择检验方法，写出检验统计量及其分布。4）计算检验统计量的值，做出推断。，备择假设(与原假设相反）记为。
2024-01-12 11:48:17
458
1
原创 概率论与数理统计的参数估计内容回顾
样本指抽样，（X1，X2，...，Xn）指的是样本变量，（x1，x2，...，xn）指的是样本的观测值。统计量定义：不含任何未知参数的样本的函数（可以含参数，但参数不能是未知的，可随意构造）设随机变量X1，X2，...，Xn相互独立，且同服从标准正态分布，则它们的平方和。已知一个问题的总体是什么分布，但是总体分布的参数不清楚，抽样获取样本来构造统计量。总体（一个或多个）是正态分布，抽样本构造的统计量的分布。设样本（X1，X2，...，Xn）来自总体X，服从自由度为n的t分布，记作T~t(n).
2024-01-11 23:58:54
497
matlab批量处理中国地面气候资料日值数据集
2023-12-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人