An Introduction to Spatial Data Science with GeoDa: Volume 2: Clustering Spatial

[Candidosa2]

Uma introdução à ciência de dados espaciais com GeoDa: Volume 2: Clustering de dados espaciais

Inglês | 2024 | ISBN: 103271302X | 238 páginas | PDF verdadeiro | 70,16MB


Este livro é o segundo de uma série de dois volumes que apresenta o campo da ciência de dados espaciais. Ele vai além da pura exploração de dados para a organização de observações em grupos significativos, ou seja, agrupamento espacial. Isto constitui um componente importante do chamado aprendizado não supervisionado, um aspecto importante do aprendizado de máquina moderno.

Os aspectos distintivos do livro são explorar maneiras de espacializar métodos clássicos de agrupamento por meio de mapas e gráficos vinculados, bem como a introdução explícita de restrições de contiguidade espacial em algoritmos de agrupamento. Aproveitando um grande número de ilustrações empíricas do mundo real, os leitores obterão uma compreensão dos principais conceitos e técnicas e suas vantagens e desvantagens relativas. O livro também constitui o guia do usuário definitivo para esses métodos implementados no software de código aberto GeoDa para análise espacial.
Ele é organizado em três partes principais, lidando com redução de dimensão (componentes principais, escalonamento multidimensional, incorporação de rede estocástica), métodos clássicos de agrupamento (agrupamento hierárquico, k-médias, k-medianas, k-medóides e agrupamento espectral) e agrupamento espacialmente restrito. métodos de clustering (hierárquicos e de particionamento). Encerra com uma avaliação das propriedades espaciais e não espaciais do cluster.
O livro destina-se a leitores interessados em ir além do simples mapeamento de dados geográficos para obter insights sobre padrões interessantes expressos em agrupamentos espaciais de observações. Presume-se familiaridade com o material do Volume 1, especialmente a análise da autocorrelação espacial local e toda a gama de métodos de visualização.

Luc Anselin é o Diretor Fundador do Centro de Ciência de Dados Espaciais da Universidade de Chicago, onde também é Stein-Freiler Distinguished Service Professor de Sociologia e da Faculdade, bem como membro do Comitê de Ciência de Dados. Ele é o criador do software GeoDa e um contribuidor ativo da biblioteca de software de código aberto PySAL Python para análise espacial. Ele escreveu amplamente sobre tópicos que tratam da metodologia de análise de dados espaciais, incluindo seu texto clássico de 1988 sobre Econometria Espacial. Seu trabalho foi reconhecido por diversos prêmios, como sua eleição para a Academia Nacional de Ciências dos EUA e para a Academia Americana de Artes e Ciências.



Mais informações
Screenshots:

https://rapidgator.net/file/a385b5a4b0272814c3009924468210d4

https://ddownload.com/f5orb6fo62jg