标签为 spatial 的文章

冈比亚的疟疾流行情况

重复的隐式目标名称：“冈比亚的疟疾流行率”。

阅读更多...

冈比亚的疟疾流行情况

重复的隐式目标名称：“冈比亚的疟疾流行率”。

阅读更多 ...

冈比亚的疟疾流行情况

重复的隐式目标名称：“冈比亚的疟疾流行率”。

阅读更多...

冈比亚的疟疾流行情况

重复的隐式目标名称：“冈比亚的疟疾流行率”。

阅读更多...

空间数据的Besag-York-Mollie模型

指令“include”：文件未找到：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/build/jupyter_execute/extra_installs.md’

阅读更多 ...

空间数据的Besag-York-Mollie模型

指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/extra_installs.md’

阅读更多 ...

空间数据的Besag-York-Mollie模型

指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/extra_installs.md’

阅读更多 ...

空间数据的Besag-York-Mollie模型

本笔记本使用了不是 PyMC 依赖项的库，因此需要专门安装这些库才能运行此笔记本。打开下面的下拉菜单以获取更多指导。

阅读更多...

空间数据的条件自回归（CAR）模型

指令“include”：文件未找到：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/build/jupyter_execute/extra_installs.md’

阅读更多 ...

空间数据的条件自回归（CAR）模型

指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/build/jupyter_execute/extra_installs.md’

阅读更多 ...

空间数据的条件自回归（CAR）模型

指令“include”：未找到文件：‘/Users/cw/baidu/code/fin_tool/github/pymc-examples/examples/build/jupyter_execute/extra_installs.md’

阅读更多 ...

空间数据的条件自回归（CAR）模型

本笔记本使用了不是 PyMC 依赖项的库，因此需要专门安装这些库才能运行此笔记本。打开下面的下拉菜单以获取更多指导。

阅读更多 ...

使用带标记的对数高斯Cox过程建模空间点模式

对数高斯Cox过程（LGCP）是一种点模式的概率模型，通常在空间或时间中观察到。它有两个主要组成部分。首先，在整个域\(X\)上使用指数变换的高斯过程对正实数值的潜在强度场\(\lambda(s)\)进行建模，这使得\(\lambda\)保持为正。然后，使用这个强度场来参数化一个泊松点过程，该过程表示在空间中放置点的随机机制。一些适合这种表示的现象包括一个县内癌症病例的发生率，或城市中犯罪事件的时空位置。尽管本教程仅涉及二维空间数据，但在此框架内可以等效处理空间和时间维度。

阅读更多 ...

使用带标记的对数高斯Cox过程建模空间点模式

对数高斯Cox过程（LGCP）是一种点模式的概率模型，通常在空间或时间中观察到。它有两个主要组成部分。首先，在整个域\(X\)上使用指数变换的高斯过程对正实数值的潜在强度场\(\lambda(s)\)进行建模，这使得\(\lambda\)保持为正。然后，使用这个强度场来参数化一个泊松点过程，该过程表示在空间中放置点的随机机制。一些适合这种表示的现象包括一个县内癌症病例的发生率，或城市中犯罪事件的时空位置。尽管本教程仅涉及二维空间数据，但在此框架内可以等效处理空间和时间维度。

阅读更多...

使用带标记的对数高斯Cox过程建模空间点模式

对数高斯Cox过程（LGCP）是一种点模式的概率模型，通常在空间或时间中观察到。它有两个主要组成部分。首先，在整个域\(X\)上使用指数变换的高斯过程对正实数值的潜在强度场\(\lambda(s)\)进行建模，这使得\(\lambda\)保持为正。然后，使用这个强度场来参数化一个泊松点过程，该过程表示在空间中放置点的随机机制。一些适合这种表示的现象包括一个县内癌症病例的发生率，或城市中犯罪事件的时空位置。尽管本教程仅涉及二维空间数据，但在此框架内可以等效处理空间和时间维度。

阅读更多 ...

使用带标记的对数高斯Cox过程建模空间点模式

对数高斯Cox过程（LGCP）是一种点模式的概率模型，通常在空间或时间中观察到。它有两个主要组成部分。首先，在整个域\(X\)上使用指数变换的高斯过程对正实数值的潜在强度场\(\lambda(s)\)进行建模，这使得\(\lambda\)保持为正。然后，使用这个强度场来参数化一个泊松点过程，该过程表示在空间中放置点的随机机制。一些适合这种表示的现象包括一个县内癌症病例的发生率，或城市中犯罪事件的时空位置。尽管本教程仅涉及二维空间数据，但在此框架内可以等效处理空间和时间维度。

阅读更多 ...