sf, terra, ml3
Вышло второе издание Geocomputation with R. Язык постоянно эволюционирует, и в новой версии книги авторы отходят от устаревших библиотек в пользу sf и terra как основы работы с векторными и растровыми данными, меняют формат описания проекций и синтаксис построения пайплайнов, а визуализация сделана в tmap, который наследует ggplot2, но заточен под карты.
Практические примеры в книге взяты из транспорта, геомаркетинга и экологии. Очень крутая глава Statistical Learning, где на примере предсказания оползней расмотрены основные шаги и особенности использования ML для пространственных задачек, в частности, концепты пространственной кросс-валидации и пространственного тюнинга гиперпараметров. Моим личным открытием стала библиотека ml3, в которой собраны необходимые для этого инструменты.
Выше - несколько иллюстраций из книги.
Вышло второе издание Geocomputation with R. Язык постоянно эволюционирует, и в новой версии книги авторы отходят от устаревших библиотек в пользу sf и terra как основы работы с векторными и растровыми данными, меняют формат описания проекций и синтаксис построения пайплайнов, а визуализация сделана в tmap, который наследует ggplot2, но заточен под карты.
Практические примеры в книге взяты из транспорта, геомаркетинга и экологии. Очень крутая глава Statistical Learning, где на примере предсказания оползней расмотрены основные шаги и особенности использования ML для пространственных задачек, в частности, концепты пространственной кросс-валидации и пространственного тюнинга гиперпараметров. Моим личным открытием стала библиотека ml3, в которой собраны необходимые для этого инструменты.
Выше - несколько иллюстраций из книги.
tgoop.com/mapsandfunctions/87
Create:
Last Update:
Last Update:
sf, terra, ml3
Вышло второе издание Geocomputation with R. Язык постоянно эволюционирует, и в новой версии книги авторы отходят от устаревших библиотек в пользу sf и terra как основы работы с векторными и растровыми данными, меняют формат описания проекций и синтаксис построения пайплайнов, а визуализация сделана в tmap, который наследует ggplot2, но заточен под карты.
Практические примеры в книге взяты из транспорта, геомаркетинга и экологии. Очень крутая глава Statistical Learning, где на примере предсказания оползней расмотрены основные шаги и особенности использования ML для пространственных задачек, в частности, концепты пространственной кросс-валидации и пространственного тюнинга гиперпараметров. Моим личным открытием стала библиотека ml3, в которой собраны необходимые для этого инструменты.
Выше - несколько иллюстраций из книги.
Вышло второе издание Geocomputation with R. Язык постоянно эволюционирует, и в новой версии книги авторы отходят от устаревших библиотек в пользу sf и terra как основы работы с векторными и растровыми данными, меняют формат описания проекций и синтаксис построения пайплайнов, а визуализация сделана в tmap, который наследует ggplot2, но заточен под карты.
Практические примеры в книге взяты из транспорта, геомаркетинга и экологии. Очень крутая глава Statistical Learning, где на примере предсказания оползней расмотрены основные шаги и особенности использования ML для пространственных задачек, в частности, концепты пространственной кросс-валидации и пространственного тюнинга гиперпараметров. Моим личным открытием стала библиотека ml3, в которой собраны необходимые для этого инструменты.
Выше - несколько иллюстраций из книги.
BY Карты и функции
Share with your friend now:
tgoop.com/mapsandfunctions/87