はじめに
『Pythonで学ぶ空間データサイエンス入門 ――地域の特徴を発見する方法――』の独学ノートです。本の内容から寄り道してアレコレ考えます。
本を読んだ上で補助的に読んでください。
この記事は、各節の内容のリンクページです。
「導出編」「実装編」「可視化編」の三部構成でモデルやアルゴリズムの理解を目指します。「導出編」では、モデルの定義式からパラメータの計算式などを導くことで、より詳細に数式を使って解説します。「実装編」では、定義式や計算式などを組んで再現することで、数式との対応をプログラミングを使って解説します。「可視化編」では、推定結果や計算を図にすることで、数式とプログラムの意図を図を使って解説します。
【目次】
第2章 地理空間の分布パターン
2.1 空間隣接行列
空間隣接行列を図で確認します。
2.2 空間重み行列
空間重み行列を図で確認します。
2.3 空間ラグ
空間ラグやGMI、LMIの計算を数式で確認します。
空間ラグをプログラムで確認します。
空間ラグを図で確認します。
2.3 空間的自己相関(1)～Global Moran's I
GMIをプログラムで確認します。
GMIを図で確認します。
2.4 空間的自己相関(2)～Local Moran's I
LMIをプログラムで確認します。
LMIを図で確認します。
第3章 線形回帰モデルと最小二乗法
3.2 最小二乗法の理論と推定結果の各項目の確認
ハット行列(射影行列)を数式で確認します。
冪等行列を数式で確認します。
線形回帰モデルの最小二乗法を数式で確認します。
線形回帰モデルの最小二乗法をプログラムで確認します。
線形回帰モデルの最小二乗法を図で確認します。
第4章 GWR
9月までには読み終わりたい
第5章 MGWR
9月までには読み始めたい
予備知識
ベクトルや行列については、こちらのシリーズを参照してください。
現時点(24年8月)では、ベクトルと行列の計算までしか進められていませんが…
確率分布については、こちらのシリーズを参照してください。
確率分布の知識は、そこまで使わなそうではあります(3章前半時点)。
作図については、こちらのシリーズを参照してください。
今回のシリーズでの可視化に直接関わるような解説記事は少ないかもしれませんが。
参考文献
おわりに
私がとてもお世話になった(なっている)先生の本です。本に載っていない図を作り、書いていないことを試し、省略されている行間を埋め、寄り道回り道しながらじっくりしっかり読んでいきます。
初学者レベルの人を想定読者として書きたかったのですが、扱う内容的に難しく、基本的な行列計算を知ってる人、NumPyとPandasの基本的な関数を使える人くらいなレベル感になりました。難しそうであれば、とりあえず可視化編の記事を(手元で図を再現しようとは思わず)眺めてみてください。ライブラリの使い方などは本を読んでください。
ここまでの記事や図の反応を見ると、これまでに書いた他シリーズの記事よりもウケてるのですがどうしてでしょうか？数学的な図よりも目を引くのかもしれませんがそれだけとも思えず、空間統計って流行ってるんですか？
諸事情あって9月頭までに1周読み終えたいのですが、果たして。
- 2024.08.20
投稿後すぐ計算ミスに気付いて修正するなどありましたが、基礎編と言える3章までを書き終えました。まぁ飛ばした内容もいくつかありますが、想定した以上に満足のいく図を作れたので良かったです。
