機械学習

Spatial AIは、次の機械学習機能を提供します。

回帰

空間回帰アルゴリズム。

OLSRegressor([spatial_weights_definition])	Ordinary Least Square (OLS)アルゴリズムは、トレーニング・セットからMean Squared Error (MSE)を最小限にして新しい値を予測する行に適合します。
GWRRegressor([spatial_weights_definition, ...])	GWRモデルは、近傍内の観測からターゲット変数と説明変数を組み込むことで、データセット内のすべての観測の局所回帰モデルをトレーニングし、独立変数と従属変数の間の関係を局所性によって変えることができます。
SLXRegressor([spatial_weights_definition])	SLX回帰モデルは、フィーチャ・エンジニアリング・ステップを含む通常のライナー回帰を実行して、データに空間コンテキストを提供するフィーチャを追加します。これは、トブラーの法則によれば、遠くのものよりも近いものが関係しているためです。
SpatialRegimesRegressor([...])	回帰方程式パラメータは、regimeと呼ばれるカテゴリ変数に従って推定されます。このカテゴリ変数は、空間コンテキスト内のリージョンなど、様々なものを表すことができます。
SpatialLagRegressor([spatial_weights_definition])	空間ラグ回帰モデルでは、ターゲット変数に対する空間依存性が考慮されます。つまり、リージョンのターゲット変数の値は、そのネイバーのターゲット変数に関連付けられます。
SpatialErrorRegressor([...])	空間誤差モデルでは、線形方程式の誤差項に空間ラグが導入されています。
SpatialFixedEffectsRegressor([...])	空間固定効果アルゴリズムは、空間制度の簡易バージョンであり、各制度のインターセプト・パラメータまたは定数パラメータを計算しますが、他のモデル・パラメータは一定です。
GeographicalRegressor([global_model, ...])	地理的回帰交渉。
SpatialAdaptiveRegressor([...])	データに適合する回帰アルゴリズムを検出する自動化されたアプローチで構成されます。

分類

空間分類アルゴリズム。

GeographicalClassifier([global_model, ...])	地理分類アルゴリズム。
SLXClassifier([spatial_weights_definition, ...])	SLXロジスティック回帰モデルの実装。
GWRClassifier([spatial_weights_definition, ...])	バイナリ分類の地理的加重回帰。

クラスタリング

クラスタ化およびリージョン化アルゴリズム。

DBScanClustering([eps, min_samples, metric, ...])	DBSCANは、大量のデータを基に、様々なシェイプやサイズのクラスタを検出できる密度ベースのクラスタリング技術です。
KMeansClustering([n_clusters, init, n_init, ...])	K-Meansクラスタリング・アルゴリズム。
LISAHotspotClustering([column, ...])	ホット・スポット・クラスタ化の実装。
AgglomerativeClustering([n_clusters, ...])	Agglomerative Clustering Algorithm。

前処理

Spatial Pipelinesで使用できる空間前処理関数usint scikit-learn-like Transformerクラス。

SpatialLagTransformer([...])	特定のフィーチャの空間ラグは、各観察の周囲の近傍におけるそのフィーチャの平均値を反映します。
CategoricalLagTransformer([...])	カテゴリ・ラグはカテゴリ変数に使用され、近所で最も一般的な値を表します。
SpatialImputer([missing_values, ...])	観察ごとにネイバーの値を使用して、欠落している値をすべて埋めます。
SCoordTransformer([crs])	各観察のジオメトリの重心を返すトランスフォーマ
spatial_train_test_split(X[, y, geometries, ...])	データをトレーニングおよびテストのサブセットに分割します。

パイプライン

scikit-learnパイプラインの空間バージョン。 空間と通常の変圧器/予測器の両方を連鎖させることができます。

SpatialPipeline(steps[, memory, verbose])	SpatialPipelineは、scikit-learnパイプラインのようなものですが、空間列を受け入れ、空間重みオブジェクトなどの空間情報を使用またはコンピュートする空間エスティメータを含めることもできます。
SpatialFeatureUnion(transformer_list, *[, ...])	空間エスティメータのステップを実行できる、scikit-learn FeatureUnionクラスの空間バージョン。
SpatialColumnTransformer(transformers, *[, ...])	空間エスティメータ・ステップを含めることができる、scikit-learnクラスColumnTransformerの空間バージョン。