| | | 项目的一部分
关于
Verde是一个Python库，用于处理空间数据（测深法，地球物理勘测等）并将其插值到常规网格（即gridding ）上。
Verde中的大多数网格化方法都使用格林函数方法。 基于输入数据估计线性模型，然后将其用于预测规则网格上的数据（或在散点图，轮廓图中作为导数）。 这些模型是格林（主要是）弹性变形理论的功能。 这种方法与机器学习非常相似，因此我们实现了类似于回归类的gridder类。 该API不是100％兼容的，但是对那些具有scikit-learn学习经验的人来说应该看起来很熟悉。
使用格林功能的优势包括：
轻松将权重应用于数据点。 这是一个线性最小二乘问题。
使用已建立的机器学习技术（例如k折或保持交叉验证）来执行模型选择。
估计的模型可以很容易地存储起来以备后用，例如在重量分析中使用了球谐系数。
主要缺点是需要大量的内存和处理时间（这
评论0
最新资源