一文彻底搞清时空数据挖掘

本文只是给你个空间分析的大体概述，如果理解了这个概述，那就做空间分析没有任何问题。无非就是关注5个方面，不论是科研还是工作：
（1）解决的问题，要干啥事情
看案例，别人是这么干类似的事情的，无非就是看别人案例的数据，方法和结果。
类比到自己解决的问题，要啥数据，要啥方法，结果适不适合解决自己的问题。
（2）需要的数据，数据要哪些，多大尺度
（3）分析方法，方法都列出来了，选择看看哪种合适，就看视频看书看案例学着用就行了，一天怎么也学会一种方法了。
（4）结果分析，得到什么结果为什么是这个结果
（5）展示预测，就是做图或提建议

两种思维方式：
（1）就是问题为导向，先得到问题，再找解决方案（方案=数据+方法）
（2）以数据为导向，我有这个数据，可以解决哪些问题。

1 时空数据

时间指随着时间的变化关系趋势
空间关系指相互位置关系，通常用拓扑关系表示，这是地理数据与其它数据最大的差别。
从空间角度研究空间数据的特点就是时空数据分析。

1.1 四大特征

（1）空间特征
（2）属性特征
（3）时间特征
（4）尺度特征

1.2 三大特点

（1）空间相关性
（2）空间异质性
（3）可塑面积单元问题
就是在不同尺度和不同划区下研究结果不一样。

1.3 不确定性

（1）指标是否有效合理
（2）表达的合理性
是否适合抽象为点、线、面
（3）数据的准确性

2 统计学基础

统计学包括7部分：
（1）就是用科学方法进行收集
（2）整理
（3）汇总
（4）描述
（5）分析
（6）推断
（7）决策
仅仅描述和分析特定的对象而不下结论或不对较大的群体做出推断，称为描述统计学：

2.1 描述性统计（很简单，苏世亮老师的书30分钟全部搞懂）

（1）
（2）
（3）
（4）
（5）

2.1.1 集中趋势（很简单）

（1）平均值
（2）算术平均值
（3）几何平均
（4）调和平均数
（5）中位数
（6）分位数
（7）众数

2.1.2 离散程度

（1）极差
（2）平均偏差
（3）分位数差
（4）方差
（5）标准差
（6）变异系数（标准差与平均值之比）

2.1.3 其它

（1）矩，就是多维的一个公式
（2）偏度（分布不对称的度量，（均值-众数）/标准差）
（3）峰度（看数据分布的陡峭程度）

3 空间依赖和异质性

3.1 空间依赖的方法

3.2 空间异质性方法

（1）地理加权回归
（2）地理探测器

4 空间可达性分析

侧重于距离

5 空间格局分析

也就是相关性的分析

5.1 点格局

5.2 空间句法

5.3 景观格局

6 空间插值

7 机器学习的所有方法

8 其它方法

（1）元胞机
（2）深度学习
（3）时间序列的所有方法