《地理加权模型》系列自推出来，深受各位读者喜爱。前几天有读者问：使用gwr()等函数运行模型后，怎么去查看它里面的信息呢？比如如何看变量系数的显著性。本篇就来介绍如何在R语言中去查看GWR模型的输出结果。对于一般模型如线型模型来说，使用summary()函数就能得到大部分想要的结果，如回归系数、标准误、值、R2等。但是，GWR模型每个变量在每个样本点都有一个估计系数，以及对应的标准误、值，即使全部
转载
2024-03-25 15:29:35
190阅读
0 数据准备示例数据是来自spData工具包的NY8_utm18.shp。该数据在推文线性地理加权回归中使用过。library(rgdal)
NY8 <- readOGR(system.file("shapes/NY8_utm18.shp",
package = "spData"))该数据共包含281个空间单元。随机选择其中的276个作为
转载
2024-03-06 14:13:08
259阅读
GIS是利用电子计算机及其外部设备，采集、存储、分析和描述整个或部分地球表面与空间信息系统。简单地讲，它是在一定的地域内，将地理空间信息和 一些与该地域地理信息相关的属性信息结合起来，达到对地理和属性信息的综合管理。GIS的研究对象是整个地理空间，而地理信息与地理位置有关，因而GIS的发展受到了世界范围的普遍重视。近年来，GIS在我国也备受重视，并在城乡规划、灾害监测、资源清查、土地调查、环境管理
1.地图的地理配准为什么地理配准？ 答：自己找的普通地图没有坐标系，后期的数据没有办法处理，通过这种方式，给普通地图添加相关的坐标系，方便数据处理怎么地理配准？ 右键软件空白处（下图红框处就是所谓的空白区域），选择地理配准的工具选择 添加控制点（即点击下面箭头所指的区域）注意:先将有地理坐标系的矢量数据加载到arcmap中，再将普通的地图的数据加载进来，否则再进行地理配准的时候，处理的普通地图的数
ArcGI基本技巧-科研常用OLS, GWR, GTWR模型实现OLS,GWR,GTWR回归模型均可以揭示解释变量对被解释变量的影响且可以进行预测。Ordinary Least Squares (OLS)是最小二乘法，Geographically Weighted Regression (GWR)是地理加权回归，Geographically and Temporally Weighted Regr
转载
2024-08-04 10:36:56
4343阅读
目录一、ArcGIS的认识1.1窗口1.2添加数据1.3工具箱1.4页面视图1.5页面和打印设置1.6ArcMap选项1.7导出地图1.8自定义工具栏1.9矢量数据与栅格数据1.10文件类型1.11属性表二、ArcGIS中常用的几种操作2.1筛选2.2分割2.3融合三、实例3.1土地利用类型专题图制作3.2 土地利用转移矩阵3.2.1融合3.2.3面积计算3.2.4表转Excel3.2.5土地转移
转载
2024-04-28 13:19:43
709阅读
S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。它的丰富的数据类型（向量、数组、列表、对象等）特别有利于实现新的统计算法，其交互式运行方式及强大的图形及交互图形功能使得我们可以方便的探索数据。 目前S语言的实现版本主要是S-PLUS。它基于S语言，并由MathSoft公司的统计科学部进一步完善。作为统计学家及一般研究人员的通用方法工具箱，S-PLUS强调
转载
2024-07-31 19:13:01
123阅读
当年上学的时候看的，最近需要做一个分析，又翻了一遍，这个使用手册内容大多比较基础，实用性比较强，如果能加入针对工具箱的每一个工具的介绍就更完整一些了，不过这个手册里面的空间分析大都是基础性的不可再分的那种分析功能，其他的各种复杂分析都可以由此组成，有点像金庸小说里面的天山折梅手，世间任何武功招式都可以自行化解在这六路天山折梅手之中，反之，任何空间分析工作都可以自行分解为手册中的基本分析方法，记得之
转载
2024-05-06 09:19:14
204阅读
一、实验名称叠加分析二、实验目的通过本实验，掌握空间数据图层叠加分析的基本方法。三、实验内容和要求实验内容：对现实中的一个项目进行模拟。本任务要求为新的大学水产实验室进行选址，在选址时采用以下标准：土地利用状态倾向于灌木林地（在landuse.shp 中表现为 LUCODE = 300）。所选地址离下水道距离不超过 300 米。土壤类型适宜于发展（在 soils.shp 中表现为 SUIT >
转载
2024-03-29 09:49:14
34阅读
摘要 通过将栅格各自乘以指定的权重并合计在一起来叠加多个栅格。 插图
插图中，像元值与其权重因子相乘。两者所得结果相加创建输出栅格。以左上角像元为例。两个输入的值变为 (2.2 * 0.75) = 1.65 和 (3 * 0.25) = 0.75。1.5 与 0.75 的和为 2.4。 使用方法 · 将多个栅格数据一起加入的有效方法是输入多个栅格并将全部权
导读：在学习了有关深度学习的理论之后，很多人都会有兴趣尝试构建一个属于自己的项目。本文将会从第一步开始，告诉你如何解决项目开发中会遇到的各类问题。本文由六大部分组成，涵盖深度学习 ( DL ) 项目的整个过程。我们将使用一个自动漫画着色项目来说明深度学习的设计、程序调试和参数调整过程。本文主题为「如何启动一个深度学习项目？」，分为以下六个部分：第一部分：启动一个深度学习项目第二部分：创建一个深度学
转载
2024-08-21 09:33:37
51阅读
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 G
机器学习1.（腾讯）SVM的原理是什么？ 參考答案： 支持向量机（SVM）第一种二类分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量机还包含核技巧。这使它成为实质上的非线性分类器。硬几何最大化解决线性可分问题。软几何间隔最大化解决线性不可分问题（摘自《统计学习方法》）。2.（腾讯）LR的原理是什么？ 參考答案： 逻辑回归以一个二分类算法，它的对数几
文章目录1.什么是结果地图服务？2.发布结果地图服务2.1创建空间插值模型2.2修改我们的模型参数2.3运行新创建的模型2.4将运行后的结果进行渲染（很重要）2.5将模型发布为服务3.查看服务结果3.1 在Manager中查看发布的服务结果3.2 在ArcGIS REST Services Directory 运行服务3.3到目前为止我们的结果图层服务便发布成功了。4.补充本实例的数据下载地址为
转载
2024-07-31 20:28:54
105阅读
各向异性计算各向异性是指物质的全部或部分化学、物理等性质随着方向的改变而有所变化，在不同的方向上呈现出差异的性质。GIS数据分析中经常会涉及到各向异性的计算与分析。ArcGIS可以直接进行模型拟合并进行各向异性计算，也可以通过其他方式获得最佳拟合模型与相关参数，再利用ArcGIS进行更准确的各向异性计算。 本文介绍利用GS+和ArcGIS相结合方式进行
转载
2024-08-22 09:04:30
372阅读
名词解释1、 热惯量：thermal inertia，是一种综合指标，是物质对温度变化热反应的一种度量，即度量物质热惰性（阻止物理温度变化）大小的物理量。高热惯量的物质对温度的变化阻力较大，常用P表示，公式为P=[Kpc]1/2，k是热导率，c是比热容，p是密度。 热惯量主要应用于土壤表层水分变化监测、干旱遥感监测等，例如：将土壤水分含量与土壤热惯量建立统计关系，并将遥感卫星的数据与热惯量联系起来
转载
2024-09-30 06:06:34
261阅读
ArcGIS Runtime 100.2.0的正式发布带来个更多移动端的处理地图的能力，例如支持WMS图层、支持海图（ENC）图层，再如基于场景相机（Camera）的视域分析。同时还提供了新的统计查询API（总和，平均值，计数，最小值，最大值，标准差或方差）。而今天要描述的重点是ArcGIS Runtime 100.2.0对Shapefile数据格式的支持，当然ArcGIS Runtime 100
项目组决定用arcgis做地图服务的时候我还是有些小期待的，因为以前没弄过，我对所有不熟悉的技能都感兴趣，于是有了一条踩坑之路，加班踩坑，小问题踩两天坑，等等...先谈一下自己的体会吧，arcgis for js 我真的没觉得多难，上手就用，不会就查，官网实例太全了，我觉得坑多的地方是在arcgis map 和arcgis server上！arcgis安装对系统有明确的要求，装完之后你可能发现服务
ArcGIS部分常见问题解决办法最近在学习ArcGIS过程中，进行某些操作选项总是会会发生错误，不仅仅我自己一个人是这样，周围好多同学也是经常在操作的过程中报错，所以就很突发奇想把这段时间遇到的问题统一写下来，也是为了自己以后忘掉可以直接拿来参考。我使用的ArcGIS是英文版，使用中文版的小伙伴可以对照来看，本质上没有区别,那么下面就直接写喽！No1.后台运行问题相信初学ArcGIS的小伙伴有遇到
转载
2024-04-13 12:34:27
842阅读
写在前面 去年天池-安泰杯跨境电商智能算法大赛是我初次接触推荐相关的比赛，通过比赛让我对推荐系统有了较为浅显的认识，赛后也是打算系统的学习这方面的内容，此后我也会将【推荐系统】作为一个系列板块进行更新，主打经典推荐算法的原理，相信每一篇都值得反复研究。一、背景介绍作为【推荐系统系列文章】的第一讲，我们将以YouTube在2016年发表的论文《Deep Neural Networks for You
