基于回归模型的地理空间经纬度预测实践

      在值预测相关的任务里面回归模型使用的非常得多，从最简单的逻辑回归模型到复杂点的集成回归模型，可以根据具体任务的适用程度来尝试或者决定使用什么样的模型来构建自己的预测模型。

     本文主要是基于APP采集到的行走数据，也就是地理空间里面的经纬度数据来对未来位置进行预测分析，我们这里主要是将行走的数据建模成了一个时序数据分析问题，因为物体的移动轨迹不会是随机移动的是随着时间推移，有规律地产生的点位序列数据。

    下面是数据集样例：

point_id,time,baidu_glatitude,baidu_glongititude,gaode_glatitude,gaode_glongititude,gps_sign,point_type,intro
1,1585127664,27092828,119661139,27.092828504774307,119.66113959418402,10.72,0,"{""altitude"":20.85,""resume"":1}"
2,1585127685,27092976,119661256,27.09297604992316,119.66125682550403,9.648001,0,"{""altitude"":36.47,""resume"":1,""stepsFromStart"":41}"
3,1585127688,27093008,119661264,27.093008198729,119.66126481195812,9.648001,0,"{""altitude"":38.03}"
4,1585127691,27093050,119661271,27.093050511316488,119.66127150366682,9.648001,0,&#

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！