Analizando datos geoespaciales con Python (Parte 2 – Prueba de hipótesis)
Análisis de datos geoespaciales con Python (Parte 2 - Prueba de hipótesis)
Aprendiendo sobre la prueba de hipótesis geoespaciales para los listados de AirBnb en Asheville
![Montañas Blue Ridge en Asheville, NC. Foto de la colección personal del autor.](https://miro.medium.com/v2/resize:fit:640/format:webp/1*MzzWvPy-gE5w_ykGefHKHQ.jpeg)
Introducción
En el primer artículo, vinculado a continuación, trabajamos con una introducción al análisis de datos geoespaciales, donde descargamos los listados de AirBnb para la ciudad de Asheville, en Carolina del Norte (EE. UU.) y pasamos por algunos pasos para extraer información de los datos geoespaciales.
Análisis de datos geoespaciales con Python
Un artículo práctico de análisis de datos con código Python.
towardsdatascience.com
En ese artículo, nos enfocamos más en dónde se concentraban las propiedades de alquiler y en sus precios. Por lo tanto, concluimos que los listados de Asheville se concentran en el área del centro y los precios más altos se pueden ver a lo largo de la carretera Blue Ridge Parkway, debido a la hermosa vista y al entorno rural, probablemente.
Está bien. Recomiendo que leas el primer artículo, para que puedas obtener el código y los pensamientos iniciales juntos y luego seguir adelante con los conocimientos disponibles en esta segunda parte.
- Libre de Limitaciones La Validación de las Alucinaciones de la Máquina en el MoMA
- Revelando Alucinaciones de IA Descifrando el Lado Oscuro de los Modelos de IA
- ¡Ya está aquí el informe salarial de profesionales de Data Science e Inteligencia Artificial de Burtch Works 2023!
Conjunto de datos
AirBnb, si no lo conoces, es una plataforma peer-to-peer para que las personas enumeren sus casas, habitaciones o dormitorios para alquilar. Sus datos de listados de alquiler son recopilados por este proyecto comunitario en el sitio web http://insideairbnb.com/, donde cualquier persona puede ir y descargar los conjuntos de datos para su análisis. Por lo tanto, seguiremos utilizando los mismos datos para esta parte. Los datos están disponibles bajo la licencia Creative Commons Attribution 4.0 International.
En este artículo
En este artículo, aprenderemos sobre los componentes para crear una prueba de hipótesis geoespacial. Aquí están:
- Primer y segundo efectos
- Autocorrelación
- Pesos espaciales
- Matriz de contigüidad
- I de Moran
- Autocorrelación espacial global
- Autocorrelación espacial local
Ten en cuenta que se presentan muchos conceptos aquí, pero también codificaremos todo…
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Creando Inteligencia Conversacional El Impacto del Aprendizaje Automático en los Mensajes de Texto Personalizados Automatizados
- Tanguy Chau, Co-Fundador y CEO de Paxton AI – Serie de Entrevistas
- Implementar Descenso del Gradiente con Modelo de Regresión Lineal
- 4 Funciones de filtrado de Itertools en Python que probablemente no conocías
- Investigadores de NYU desarrollaron una nueva técnica de inteligencia artificial para cambiar la edad aparente de una persona en imágenes mientras se mantienen sus características únicas de identificación.
- ChatGPT Enterprise de OpenAI se enfoca en seguridad, escalabilidad y personalización
- Búsqueda de Google en India ahora está impulsada por IA | Aprende cómo usarlo