![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘
文章平均质量分 98
狮智先生
为了科学家和作家的梦,努力!
展开
-
【数据挖掘】基于Uber出租车数据分析NewYork市民空间行为特征以及一些空间分布探索性分析
基于Uber出租车数据分析NewYork市民空间行为特征——以2014年kaggle数据集为例(一)1 研究区域概况2 明确空间数据挖掘任务2.1实现出租车数据与纽约地图数据匹配2.2分析空间分布特征,制作热度图分布图,实现可视化2.3结合热度图,利用GIS空间分析方法,讨论乘车人口可能的空间行为特征2.4分析出租车接客数据的时间序列特征,按照日、周、月、季时间尺度加以讨论3 空间数据挖掘实现3.1出租车数据与纽约地区数据的匹配3.2实现pickups数据的可视化3.2.1热图(Heatmap)的概念3.2原创 2020-07-12 21:24:11 · 2118 阅读 · 0 评论 -
【数据挖掘】时间序列分析理论和使用SPSS进行ARIMA模型分析
1 前言1.1 基本概念时间序列分析(Time Series Analysis)是研究事物发展变化规律的一种量化分析方法,隶属于统计学但又不同于其他统计分析方法的特殊特点。对于时间序列可以有不同层次的理解,一般情况下,那些依据时间先后顺序排列起来的一系列有相同内涵的数据都可以称为时间序列。实际上,只要能够被持续地观察和度量,同时被记录,就能得到所谓的时间序列。这一点对于我们测绘的太熟悉不过了,变形监测的沉降数据、卫星的周期观测数据等等都属于时间序列数据。指标集 是指可以直观理解为时间t的取值范围,对一原创 2020-12-02 17:36:22 · 32492 阅读 · 25 评论