首先,需要获得动物跟踪研究的数据：Movebank  在网站中获取加拉帕戈斯信天翁的GPS定位数据，数据格式为 .csv，需要将其转换为shapefile文件，再操作数据。数据信息：  通过location-long和location-lat字段获得x和y坐标来创建一个点，并将单个本地标识符和时间戳列为属性复制。shapefile文件不能真正支持日期时间字段，所以需要将时间戳信息用字符串储存。

朋友们，最近事情太多了，但是我又比较难，总想着要用什么巧妙的办法解决，导致一个问题困扰我很久，但是随之而来的就是生产力爆炸，我把今天写的一个小东西分享给大家，可以用30s的时间完成2个小时的工作任务。文件越多，效率越高！

目录写在前面1. 属性过滤条件写在前面  过滤条件可以将不想要的要素抛弃，通过过滤条件可以选出符合特定条件的要素，也可以通过空间范围限定要素，这样就可以简单地处理感兴趣的数据。1. 属性过滤条件  过滤条件需要一个条件语句，类似于SQL语句中的Where子句。如：‘Population < 50000’‘Population = 50000’‘Name = “Tokyo”’  注：比较字符串

目录1. 点集1.1 创建编辑一个点1.2 创建编辑多个点1. 点集1.1 创建编辑一个点  OGR中带有额外z坐标的几何要素被认为是2.5D，而不是3D。再OGR进行空间操作时，不考虑z值。  OGR常量表示的不同几何类型：firepit = ogr.Geometry(ogr.wkbPoint)firepit.AddPoint(10, 21)x, y = firepit.GetX(), fire

使用MOD13Q1数据，获取逐月NDVI最大值合成值，并得到csv数据

目录1. 前言2. 实现2.1 数据可视化过程2.2 逻辑回归实现3. Sigmoid函数4. 代价函数（costFunction）1. 前言逻辑回归属于分类问题（classification），这里主要是考虑有sigmoid函数（也叫做Logistic函数）：这里我主要是介绍一些逻辑回归函数的实现过程，首先，我的数据来源于吴恩达机器学习数据集（学生录取成绩数据，含标签label（0,1））。设想

这是为了批量将.img格式影像数据转换为.tiff格式数据的代码。我之前需要这样转换，但是使用了ArcGIS的插件却无法实现，因此自己写了一个代码，进行记录。

  区域的合适性从1到7，一般数值大于等于3的区域是合适的。将这些区域与人口普查数据结合，选出风速合适并且每平方千米人口不到0.5%的地方。  人口普查数据包含每个人口普查单元的人口数据，但没有人口密度数据。所以，首先要获得人口属性字段：# 添加一个浮点字段，计算人口密度# 通过HD01_S001字段获取人口普查数据census_fn = os.path.join(data_dir, 'Calif

一、派别频率派：统计机器学习贝叶斯派：概率图模型二、学习书籍李航《统计学习方法》：周志华《机器学习》：《PRML》： Pattern Recognition and Machine Learning，该书出版于2006年，是贝叶斯机器学习领域的经典之作。作者为Christopher M. Bishop，现为剑桥微软研究院实验室主任。《MLAPP》： 全称 Machine Learning：A Pr

最近邻 (k-Nearest Neighbors， KNN) 算法是一种分类算法， 1968年由 Cover和 Hart 提出， 应用场景有字符识别、 文本分类、 图像识别等领域。该算法的思想是： 一个样本与数据集中的k个样本最相似， 如果这k个样本中的大多数属于某一个类别， 则该样本也属于这个类别。数据集来源于相亲分类数据，帮助需要的人进行配对。...