如果说在2008年上半年ArcGIS9.3发布之时大家还在为rest是否合适面向数据处理的GIS应用，以及到底是SOAP还是rest等问题而争论不休，那么今天看来，基于rest的webGIS应用遍地开花，大放其采。一切似乎昭示着ADF终于快修成正果，而SOAP也岌岌可危？表面的现象确实如此，ArcGIS从10.0下一个版本将不再更新ADF，因为ADF与Web2.0简单而强大的理念相悖。但是作为ES
Part.1 光伏组件温度的影响因素和热模型 光伏组件运行温度受到系统设计、安装方式和气象因素等影响。设计因素包括了组件的技术类型、封装材料的类型，安装方式包括了固定支架安装(敞开式)、屋顶顺坡安装及跟踪支架安装等。气象因素包括环境温度、
辐射量
和风速。因此，预测户外光伏组件的运行温度是一个非常复杂的工作，需要同时考虑到上述几个因素。
在科学研
本博客主要介绍GTWR模型及其扩展以及传统的GWR。我们的相关论文也已经发表，可以点击查看对应介绍博客，也可以直接点击查看论文1，论文2。相关代码也已经开源啦，可以前往github或gitee自取，跳转获取1.GTWR介绍Huang在GWR模型的基础上提出GTWR模型，GWR模型中自变量的回归参数随空间地理位置的变化而变化，而GTWR模型中自变量的回归参数是随着时空位置的变化而变化。因此该模型相对
转载
2024-03-18 20:42:05
483阅读
本实验专栏参考自汤国安教授《地理信息系统基础实验操作100例》一书实验平台：ArcGIS 10.6实验数据：请访问实验1（传送门）空间分析篇--实验77 按要素分区统计路网目录一、实验背景二、实验数据三、实验步骤（1）标识公路数据（2）计算公路长度（3）统计各省份公路长度（4）绘制统计直方图一、实验背景对地理对象进行空间统计分析时，常常需要基于特定的统计分区，如规则的公里格网、行政区域等。通过空间
转载
2024-05-31 16:23:40
156阅读
介绍回归分析分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。线性回归是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。只有一个自变量的情况称为简单回归，大于一个自变量情况的叫做多元回归。在传统回归分析中，如最小二乘模型（OLS），基本假设是自变量与因变量的关系在整个地区保持稳定。一般线性回归都是全局的。地理加权回归是一种空间分析
转载
2024-03-05 14:42:28
1526阅读
1.问题arcgis服务重新部署或者迁移到其他服务器中，发布的数据量比较大，如果每一个都要重新发布一次，会疯掉，如果有备份还原机制就相比来说好很多，我的电脑最近arcgisserver GPServer有问题，解决了半天没搞定，想重装又担心之前的数据服务，想保存下来，重装后恢复，再此做一个记录2.备份可以使用他自带的备份工具(backup.py)进行备份操作，然后使用(restore.py)工具进
转载
2024-06-16 14:41:26
133阅读
本文包括：重要概念逻辑斯蒂回归和线性回归二项逻辑斯谛回归模型逻辑斯蒂回顾与几率模型参数估计多项逻辑斯谛回归1.重要概念：在正式介绍逻辑斯蒂回归模型之前，需要先对一些基本概念有所了解，如果明白这些概念可以直接跳过。分布函数和密度函数：对于一个连续型随机变量，密度函数是指该变量在其可取值范围内为一个特定值的概率，分布函数即在一个特定值和小于该特定值的范围内出现的概率，可以理解为密度函数的面积比率。用逻
转载
2024-08-23 10:13:24
57阅读
线性回归与基础优化算法1.线性回归理论部分1.1 线性回归的基本元素1.1.1 线性模型1.1.2 损失函数1.1.3 解析解1.1.4 随机梯度下降1.1.5 用模型进行预测1.2 矢量化加速1.3 正态分布与平方损失1.4 从线性回归到深度网络1.4.1 神经网络图1.4.2 生物学1.5 小结1.6 思考题及其解答2. 基础优化方法2.1 梯度下降2.2 选择学习率2.3 小批量随机梯度下
回归问题的条件/前提：
1） 收集的数据 2） 假设的模型，即一个函数，这个函数里含有未知的参数，通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据。 1. 线性回归 假设 特征 和 结果 都满足线性。即不大于一次方。这个是针对 收集的数据而言。 收集的数据中，每一个分量，就可以看做一个特征数据。每个特征至少对应一个未知的参数。这样就形成了一个线性模型函数，向量表示形式：
转载
2024-08-01 13:41:39
52阅读
机器学习基本算法总结☞监督学习——回归
代码在这，基于python3（原书代码是python2）这里只是一个总结，原书已经讲解很清楚了，不清楚的直接看代码目录1.预测数值型数据：回归2.树回归==========================一、预测数值型数据：回归1.线性回归最佳拟合———————————————————————————————————- - 优点：结果易于理解，计算上不复
转载
2024-08-12 15:26:42
189阅读
数据的回归与分类分析目录数据的回归与分类分析一、线性回归练习二、线性回归方法的有效性判别三、python和anaconda的安装四、鸢尾花数据集使用SVM线性分类一、线性回归练习1.父亲-孩子x-y线性回归方程删除重复选项：在数据分析中选择回归：结果：方程为y=0.2978x+49.15。其中决定系数为1，说明有极高的相关性。如果父亲身高75，孩子身高为71.485英寸同理，母亲的回归方程：方程为
转载
2024-02-27 16:04:52
71阅读
（ESL把线性回归讲的非常丰富，真的开阔视野） 目录3.2 线性回归模型的最小二乘法3.2.2 高斯-马尔可夫定理3.2.3 从简单单变量回归到多重回归3.2.4 多输出3.3 子集选择3.3.1 最优子集选择3.3.2 向前和向后逐步选择3.3.3 向前分段回归3.4 收缩方法3.4.1 岭回归Lasso Regression3.4.2 Lasso回归3.4.3 讨论：子集的选择，岭回归，Las
转载
2024-07-24 20:34:17
101阅读
开个新坑啊，写一写关于地理加权回归基础的东西（深了我也不会啊），希望也能用通俗的语言来记录一下我以前学习空间统计过程中的理解。1. 传统线性回归不管你有没有系统学习过，对于线性回归，相信多少都有那么点了解。回归分析实质上就是研究一个或多个自变量X对一个因变量Y的影响关系情况，如研究各地房价影响因素。X1-Xn是n个自变量，β0-βn是未知参数，可以使用最小二乘法进行估计，即β0-βn的最小二乘估计
转载
2024-03-13 23:09:33
173阅读
前言之前对什么是逻辑回归，以及它的公式由来做了说明。在明确了该分类器的函数式后，那么最佳的回归系数是多少呢？这是值得思考的问题，本篇博客将会对这个问题进行探讨。回顾逻辑回归公式逻辑回归 = 线性回归 + sigmoid函数线性回归： z = w*x + bsigmoid函数：y = 逻辑回归：y = 对于sigmoid函数，其输入z =
转载
2024-04-08 06:42:33
83阅读
经典的实验性研究是随机对照试验，通过随机化实现组别之间的均衡可比，在这种情况下，基本统计学方法比如t、卡方检验便能够帮助我们证明干预措施的效果。然而，观察性研究是非干预性研究，比较的组别之间一般不会均衡可比，为此，往往需要借助复杂的统计学来达到研究目的。 从实验性研究的统计策略转换到观察性研究的统计策略前，我们需要了解医学研究统计分析的两个研究目的及其内在统一性，即差异性与相关性。我们在实验性
转载
2024-04-04 11:40:19
99阅读
本实验专栏参考自汤国安教授《地理信息系统基础实验操作100例》一书实验平台：ArcGIS 10.6实验数据：请访问实验1（传送门）高级编辑篇--实验53 导出线、面要素的坐标值目录一、实验背景二、实验数据三、实验步骤（1）提取线要素折点（2）导出坐标至TXT文件（3）导出面要素折点坐标一、实验背景二维地理矢量数据常以点要素、线要素和面要素的形式进行记录与表达，而线要素和面要素的结构均由多个点要素连
转载
2024-07-11 14:07:18
104阅读
回归与聚类算法1 线性回归2 欠拟合与过拟合3 岭回归4 逻辑回归5 模型保存与加载6 K-means算法（无监督学习） 1 线性回归原理 线性回归的损失和优化 API什么是线性回归？ 线性回归线性回归是利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之间关系进行建模的一种分析方式线性模型： 自变量是一次方 参数是一次方损失函数/cost/成本函数/目标函数 最小二乘法 优化损
转载
2024-09-07 17:41:26
36阅读
数字PCR是继实时荧光定量PCR之后新兴的一种核酸绝对定量分析技能。数字PCR的实际检测过程中，却发现许多情况下的准确性未达到试验的预期，到底哪些因素会影响其检测成果的准确性？经过将含有样本的数字PCR反响液涣散到不计其数个独立的微单元中，在PCR扩增后对每个微单元中的荧光信号进行判读，计算出阴性和阳性的数量，最终利用泊松分布等统计学公式和软件对结果进行计算分析，然后完成靶标分子的绝对定量。数字P
## Java回归系数
回归分析是统计学中的一种重要方法，用于研究变量之间的关系。在回归分析中，回归系数是描述自变量对因变量的影响程度的指标。对于线性回归模型，回归系数表示自变量每单位变化对因变量的平均影响。本文将介绍Java中回归系数的计算方法和应用场景。
### 什么是回归系数
回归系数是用于描述因变量和自变量之间关系的数值。在线性回归模型中，回归方程可以表示为：
```
Y = β0
原创
2023-10-16 13:53:03
53阅读
线性模型的正则化正如我们在第一和第二章看到的那样，降低模型的过拟合的好方法是正则化这个模型（即限制它）：模型有越少的自由度，就越难以拟合数据。例如，正则化一个多项式模型，一个简单的方法就是减少多项式的阶数。对于一个线性模型，正则化的典型实现就是约束模型中参数的权重。 接下来我们将介绍三种不同约束权重的方法：Ridge回归，Lasso回归和Elastic Net。岭回归(Ridge):(L2正则)岭
