देशांतर / अक्षांश सुविधा से निपटने के तरीके [बंद]

Question

मैं 25 विशेषताओं के साथ एक काल्पनिक डेटासेट पर काम कर रहा हूं। दो विशेषताएं अक्षांश और एक स्थान के देशांतर हैं और अन्य में पीएच मान, ऊंचाई, विंडस्पीड आदि हैं जिनमें अलग-अलग रेंज हैं। मैं अन्य विशेषताओं पर सामान्यीकरण कर सकता हूं लेकिन मैं अक्षांश / देशांतर सुविधाओं से कैसे संपर्क कर सकता हूं?

संपादित करें: यह कृषि उपज की भविष्यवाणी करने के लिए एक समस्या है। मुझे लगता है कि लैट / लॉन्ग बहुत महत्वपूर्ण है क्योंकि स्थान भविष्यवाणी में महत्वपूर्ण हो सकते हैं और इसलिए दुविधा।

Comments

क्या आप स्पष्ट कर सकते हैं कि आपको ऐसा क्यों नहीं लगता कि आप उन सुविधाओं को सामान्य कर सकते हैं? संभवतः वे अन्य विशेषताओं के समान ही संख्यात्मक हैं, इसलिए आप माध्य / sd ले सकते हैं? क्या स्थानों के बीच दूरी के प्राकृतिक माप होने के बारे में आपकी चिंता है? यदि हां, तो क्या डेटा एक छोटे से क्षेत्र (समान मूल्यों के साथ) को कवर करता है या यह वैश्विक है?

— नील स्लेटर

@NeilSlater यह सिर्फ इतना है कि इन विशेषताओं को सामान्य करने के लिए यह मेरे लिए समझ में नहीं आता है। क्या सामान्य होने पर जानकारी नहीं खो जाएगी? मेरे पास अमेरिका की काउंटियों को कवर करने वाला डेटासेट है।

— AllThingsScience

आपको क्या लगता है जानकारी खो जाएगी? यह शायद वास्तव में खो नहीं जाएगा, लेकिन यदि आप अपने प्रश्न में समझाते हैं कि आपकी चिंता क्या है, तो कोई जवाब देने में सक्षम होगा। किसी भी अधिक नहीं जानने के बावजूद, मैं पूरी तरह से वैश्विक मूल्यों और कुछ समस्याओं (जहां बिंदुओं के बीच की दूरी महत्वपूर्ण है) के लिए मैं सामान्य रूप से परवाह नहीं करूंगा। मैं लंबे / अक्षांश से एक 3 डी कार्टेशियन को-ऑर्डिनेट सुविधा बना सकता हूं।

— नील स्लेटर

आपका सवाल यहाँ क्या है? क्या आप डेटा से पता लगाने की कोशिश कर रहे हैं? सह - संबंध? क्लस्टरिंग? वर्गीकरण? भविष्यवाणी? प्रक्षेप? आपके मॉडल के लिए स्थान कितना महत्वपूर्ण है?

— स्पेल्डमैन

@Spacedman कृपया संपादन देखें।

— AllThingsScience

Answer 1

लाट लंबे निर्देशांक में एक समस्या है कि वे 2 विशेषताएं हैं जो तीन आयामी स्थान का प्रतिनिधित्व करती हैं। इसका मतलब है कि लंबा समन्वय चारों ओर चला जाता है, जिसका अर्थ है कि दो सबसे चरम मूल्य वास्तव में एक साथ बहुत करीब हैं। मैंने कुछ बार इस समस्या से निपटा है और इस मामले में मैं जो कुछ भी करता हूं वह उन्हें x, y और z निर्देशांक में मैप करता है। इसका मतलब है कि इन 3 आयामों में करीबी बिंदु वास्तविकता में भी करीब हैं। उपयोग के मामले के आधार पर आप ऊँचाई में परिवर्तन की अवहेलना कर सकते हैं और उन्हें एक आदर्श क्षेत्र में मैप कर सकते हैं। इन सुविधाओं को तब ठीक से मानकीकृत किया जा सकता है।

स्पष्ट करने के लिए (टिप्पणियों से संक्षेप में):

x = cos(lat) * cos(lon)
y = cos(lat) * sin(lon), 
z = sin(lat) 

Comments

वो बहुत रुचिकर है। धन्यवाद! क्या आप पुष्टि कर सकते हैं कि ये रूपांतरण के सूत्र हैं? x = R * cos (lat) * cos (lon), y = R * cos (lat) * sin (lon), z = R * sin (lat)

— AllThingsScience

मेरे पास इस समय अपने कोड तक पहुंच नहीं है लेकिन यह सही लगता है। आपको आर की जरूरत नहीं है क्योंकि आप वैसे भी मानकीकृत होंगे;)

— जन वैन डेर वेज

उत्तम! धन्यवाद।

— AllThingsScience