1回归
1.1回归
回归分析是最常用的社会科学统计方法。回归用于评估两个或更多要素属性之间的关系。通过回归分析，我们可以对空间关系进行建模、检查和探究；回归分析还可以帮助解释所观测到的空间模式背后的诸多因素，例如为什么有些地区会持续发生年轻人早逝或者糖尿病的发病率比预期要高的情况。
回归可以分为两类，一类是线性回归，另一类是非线性的基于机器学习算法的回归。
线性回归，用来确定两种或两种以上变量间相互依赖的定量关系。包括普通最小二乘法OLS (Ordinary Least Squares)、广义线性回归GLR(Generalized Linear Regression)、以及地理加权回归GWR(Geographically weighted Regression)等等。
1.2线性回归存在问题
线性回归经常会遇到两个问题：
一是解释变量多重共线性，或者说冗余，这会导致模型估计失真或难以估计准确，我们希望因变量与不同的解释变量之间存在线性关系，同时不同的解释变量彼此之间不是线性相关的。
二是模型过拟合，过拟合是指为了得到一致假设而使假设变得过度严格。一般是由于强化了太多的局部特征，而导致模型的适应性（泛化）太弱。
三是最小二乘回归存在两个基本假设：误差随机且模型残差不相关。但是，空间数据间的联系总是存在着空间异质性和空间自相关，从而违背了OLS模型的使用原则。
2 地理加权回归（GWR）
2.1简介
早期空间统计分析技术多从全局假设的角度出发，认为空间变量关系是固定的，不随空间位置的变化而改变。这个前提假设明显违背了现实地理世界空间关系的异质性或非平稳性规律。因此，区别于传统研究“单一普适”的空间关系统计分析方法，如何对空间异质性进行精确局部描述的空间分析方法越来越多地受到重视，如随机系数模型、空间变参数回归分析模型和局部加权回归分析模型。
在总结了前人关于局部回归和变参研究的基础上，美国科学院院士，英国圣安德鲁斯大学的A. Stewart Fotheringham教授在1996年，正式提出了地理加权回归模型（Geographical Weighted Regression , GWR）。地理加权回归是一种基于空间变化关系建模的局部线性回归方法，它在研究区域的每一处产生一个描述局部关系的回归模型，从而能很好的解释变量的局部空间关系与空间异质性。
ps.引入的空间关系是什么？
2.2公式与解析
基础 GWR 模型一般可表达如下：
式中，
为在位置
处的因变量值；
为位置
处的自变量值；
为回归分析点
的坐标；
为截距项；
为回归分析系数。
虾神说对GWR的解释
2.3应用
计算全局莫兰斯指数，具有空间异质性时使用。
3 分类与具体实现
3.1模型对比
（来源bilibli： BV1S14y1A7vb）
3.2多尺度地理加权MGWR实操
3.2.1数据与软件准备
（1）数据：自变量、因变量、样本的经纬度坐标（投影）
（2）软件：GWR（GWR409.ZIP (dropbox.com)）（需翻墙）
MGWR2.2(Windows SPARC MGWR |地理科学与城市规划学院 (asu.edu))（直接访问）
3.2.2具体操作
3.2.3数据分析
（1）GWR结果分析
R方数值越大说明模型拟合越好
（2）MGWR结果分析
上述处理后得到图片（可进行冷热点分析）
我有一个用户工厂。我希望默认情况下确认用户。但是鉴于unconfirmed特征，我不希望它们被确认。虽然我有一个基于实现细节而不是抽象的工作实现，但我想知道如何正确地做到这一点。factory:userdoafter(:create)do|user,evaluator|#unwantedimplementationdetailshereunlessFactoryGirl.factories[:user].defined_traits.map(&:name).include?(:unconfirmed)user.confirm!endendtrait:unconfirmeddoenden
华为OD机试题本篇题目：明明的随机数题目输入描述输出描述：示例1输入输出说明代码编写思路最近更新的博客华为od2023|什么是华为od，od薪资待遇，od机试题清单华为OD机试真题大全，用Python解华为机试题|机试宝典【华为OD机试】全流程解析+经验分享,题型分享,防作弊指南华为o
C#实现简易绘图工具一.引言实验目的:通过制作窗体应用程序(C#画图软件),熟悉基本的窗体设计过程以及控件设计,事件处理等,熟悉使用C#的winform窗体进行绘图的基本步骤,对于面向对象编程有更加深刻的体会.Tutorial任务设计一个具有基本功能的画图软件**·包括简单的新建文件,保存,重新绘图等功能**·实现一些基本图形的绘制,包括铅笔和基本形状等,学习橡皮工具的创建**·设计一个合理舒适的UI界面**注明:你可能需要先了解一些关于winform窗体应用程序绘图的基本知识,以及关于GDI+类和结构的知识二.实验环境Windows系统下的visualstudio2017C#窗体应用程序三.
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
MIMO技术的优缺点优点通过下面三个增益来总体概括：阵列增益。阵列增益是指由于接收机通过对接收信号的相干合并而活得的平均SNR的提高。在发射机不知道信道信息的情况下，MIMO系统可以获得的阵列增益与接收天线数成正比复用增益。在采用空间复用方案的MIMO系统中，可以获得复用增益，即信道容量成倍增加。信道容量的增加与min(Nt,Nr)成正比分集增益。在采用空间分集方案的MIMO系统中，可以获得分集增益，即可靠性性能的改善。分集增益用独立衰落支路数来描述，即分集指数。在使用了空时编码的MIMO系统中，由于接收天线或发射天线之间的间距较远，可认为它们各自的大尺度衰落是相互独立的，因此分布式MIMO
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
遍历文件夹我们通常是使用递归进行操作，这种方式比较简单，也比较容易理解。本文为大家介绍另一种不使用递归的方式，由于没有使用递归，只用到了循环和集合，所以效率更高一些！一、使用递归遍历文件夹整体思路1、使用File封装初始目录，2、打印这个目录3、获取这个目录下所有的子文件和子目录的数组。4、遍历这个数组，取出每个File对象4-1、如果File是否是一个文件，打印4-2、否则就是一个目录，递归调用代码实现publicclassSearchFile{publicstaticvoidmain(String[]args){//初始目录Filedir=newFile("d:/Dev");Datebeg
通常，数组被实现为内存块，集合被实现为HashMap，有序集合被实现为跳跃列表。在Ruby中也是如此吗？我正在尝试从性能和内存占用方面评估Ruby中不同容器的使用情况 最佳答案 数组是Ruby核心库的一部分。每个Ruby实现都有自己的数组实现。Ruby语言规范只规定了Ruby数组的行为，并没有规定任何特定的实现策略。它甚至没有指定任何会强制或至少建议特定实现策略的性能约束。然而，大多数Rubyist对数组的性能特征有一些期望，这会迫使不符合它们的实现变得默默无闻，因为实际上没有人会使用它:插入、前置或追加以及删除元素的最坏情况步骤复
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
