本活动来自和鲸社区与 GISphere 联合举办的 Python x GIS Workshop 第四期。
· 学习背景 ·
在本课程中，我们将实现一种基于梯度提升的地理加权集成学习方法。并在空间网格上根据人为设定的变量依赖关系生成模拟数据集，以进行算法实现的应用与性能测试。同时和 GWR 基准模型进行对比。该方法应用了局部加法模型和梯度提升优化方法来减轻拟合不足问题，并保留了地理位置变量之间空间变化的可解释性量化能力。
· 学习目标 ·
· 了解线性回归和地理加权回归的原理并实现，识别其不足之处
· 了解 GWRBoost 的原理并实现
<gif. 教案预览>
· 主办方 ·
· 特邀导师 ·
· 学习大纲 ·
简介 学习目标 问题概述 解决办法 空间异质性
1. 背景介绍
2. 数据集概述
多元线性回归实现
地理加权回归实现
4. 基于梯度提升的地理加权集成学习方法
GWR 的问题
梯度下降提升方法
5. 结论
6. 作业
<fig1. GWR现存问题1>
<fig 2. GWR现存问题2>
<fig.3 GWRBoost>
如何邀请？
点击链接中的【复制邀请链接】按钮，发送给小伙伴。小伙伴报名时填写你的邀请码即可。
邀请奖励
如果你的邀请人数达到以下门槛，且你（或所在团队）的作业得分 >=60，可获得对应礼物。
| 邀请人数门槛 | 礼物 |
|---|---|
| 3 | 20 元京东卡 + 鲸币 9 枚 |
| 6 | 50 元京东卡 + 鲸币 18 枚 |
| 10 | 100 元京东卡 + 鲸币 30 枚 |
| 18 | 200 元京东卡 + 鲸币 200 枚 + 🌂和鲸晴雨伞一只 |
每个门槛级别的礼物不叠加；
需要在 DDL 前提交作业。有效完成一道作业题（如基础题）即可获得 60 分；
邀请人数以邀请榜单为准。邀请榜单实时更新；
礼物发放时间：讲解会结束后 1 周内。
