「Pythonを使用した地理空間データの分析（パート2 – 仮説検定）」

Pythonによる地理空間データの分析（パート2 - 仮説検定）

アシュビルのAirBnbリスティングについての地理空間仮説検定の学習

はじめに

最初の投稿では、地理空間データ分析の導入に取り組みました。アメリカ、ノースカロライナ州のアシュビル市のAirBnbのリスティングをダウンロードし、地理空間データから洞察を抽出するためのいくつかの手順を経ました。

Pythonによる地理空間データの分析

Pythonコードを用いた実践的なデータ分析の投稿。

towardsdatascience.com

その投稿では、賃貸物件の集中地や価格に焦点を当てました。その結果、アシュビルのリスティングはダウンタウンエリアに集中しており、最も高い価格は美しい景色と田園環境のあるブルーリッジパークウェイ沿いで見られることがわかりました。

素晴らしいですね。最初の投稿を読んでいただくことをお勧めします。初期のコードと考えを一緒に把握してから、この第2部で提供される知識を活用して進めてください。

• 制限から自由：MoMAでのマシン幻覚の検証
• バーチワークス2023データサイエンス＆AI専門家の給与レポートがここにあります！
• 「対話型知能の創造 機械学習が個別化された自動テキスト送信に与える影響」

データセット

AirBnbは、人々が自分の家や部屋を貸し出すためのピアツーピアプラットフォームです。彼らの賃貸リスティングデータは、このコミュニティプロジェクトのウェブサイトhttp://insideairbnb.com/で集められ、誰でもデータセットをダウンロードして分析することができます。したがって、このパートでは引き続き同じデータを使用します。データはクリエイティブ・コモンズ・ライセンス（表示4.0国際）の下で公開されています。

この投稿では

この投稿では、地理空間仮説検定を作成するためのコンポーネントについて学びます。以下に示します：

• 第一および第二次効果
• 自己相関
• 空間的重み
• 隣接行列
• モランのI
• グローバル空間自己相関
• ローカル空間自己相関

ここで紹介されている概念は多いですが、すべてのコードも記載されていますので、ご安心ください…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!