本文介绍了三种GPS轨迹抽稀方法：降频法通过固定间隔跳过轨迹点；滑动窗口法动态调整采样间隔，使平均间隔接近理想值；RDP算法基于几何特征递归简化轨迹。这些方法在AutoTrack库中实现，适用于不同场景的轨迹数据压缩需求。降频法简单高效，滑动窗口法能保持采样均匀性，RDP算法则能更好地保留轨迹形状特征。文章还特别说明了RDP算法的注意事项，包括距离计算方式和异常点处理问题，为轨迹数据处理提供了实用

python类的基础知识：类定义（变量、方法）及使用（创建对象）详细介绍了类的属性、实例属性、类方法、静态方法、实例方法；详细介绍了类的三大特性：封装、继承、多态

python类的基础知识：类定义（变量、方法）及使用（创建对象）详细介绍了类的属性、实例属性、类方法、静态方法、实例方法；详细介绍了类的三大特性：封装、继承、多态

本文对信息熵、交叉熵、KL散度等概念进行系统梳理，并对重要结论给出证明，为后续学习决策树系列算法（ID3、C4.5、CART、随机森林、LightGBM）做好准备

GPS轨迹数据异常点识别及剔除（噪点识别及降噪算法）（1）高德、百度相关API的使用方法（python调用API接口）（2）基于距离的降噪算法：原理及代码（3）提供了包含异常点的GPS轨迹数据（JSON格式）

介绍社区发现（子区划分/网络聚类）的基本概念：模块度以及模块度增量；对其中的重要公式进行推导、证明

Dijkstra算法的python实现，能够求解起始节点到各个节点的最短路径长度及路径信息；并且进行了算法有效性证明