【问题标题】:What is the best way to do cluster analysis for geocode/(lat/long) datapoints in python?在python中对地理编码/(纬度/经度)数据点进行聚类分析的最佳方法是什么?
【发布时间】:2016-01-26 21:40:28
【问题描述】:

在 python 中对地理编码/(纬度/经度)数据点进行聚类分析的最佳方法是什么?

我已经进行了 K-means 聚类分析,但我知道这可能不是对纬度/经度数据点执行聚类分析的最佳方式。 我通过 sci-kit learn 做到了这一点,而且生成的质心纬度/经度不等于每个集群标签内所有点的平均值。

我也尝试过使用 DBscan,但我认为这不是基于我的数据集执行聚类分析的最佳工具。

对此的任何帮助将不胜感激。

谢谢

【问题讨论】:

  • 此外,此分析的目的是将位置划分为任意数量的区域或集群......这就是为什么 k-means 是我的第一个方法。所有点都必须分配给一个集群。
  • 您应该查看特定的空间分析聚类算法,例如自动分区程序 (AZP) 或最大 p 区域模型。

标签: python machine-learning data-analysis geo


【解决方案1】:

首先,您可以计算点的距离矩阵,然后使用任何聚类算法:K-Means、DBSCAN 等。

您也可以尝试GVM - 快速空间聚类算法。

【讨论】:

    猜你喜欢
    • 2015-02-11
    • 2014-09-05
    • 2018-01-27
    • 2011-08-01
    • 2018-05-21
    • 1970-01-01
    • 2010-09-24
    • 2019-08-03
    • 2015-01-15
    相关资源
    最近更新 更多