用于映射2D坐标为值的机器学习算法

Question

我正在尝试构建一个程序，以将2D坐标（纬度，经度）映射到浮点值。我有大约100万行的培训数据，例如

(41.140359, -8.612964) -> 65
... -> ...

我认为这是一个回归问题，除了我发现的所有回归示例仅使用1维，所以我不确定。

在这种情况下，我应该使用什么算法（或算法类别）？

Answer 1

在尝试找到函数之前，将数据绘制在Python绘图的Excel上，您可能会看到您正在寻找的功能。

此外，Excel具有回归计算模块。

Answer 2

这是一个回归问题，您可以自由使用，例如线性回归以解决它。这些示例通常是一维的，因此很容易理解，但是它们适用于任意数量的维度。

Answer 3

您可以先尝试使用线性回归。

让我们使用numpy.linalg.lstsq：

举一个示例

>>> import numpy as np
>>> x = np.random.rand(10, 2)
>>> x
array([[ 0.7920302 ,  0.05650698],
       [ 0.76380636,  0.07123805],
       [ 0.18650694,  0.89150851],
       [ 0.22730377,  0.83013102],
       [ 0.72369719,  0.07772721],
       [ 0.26277287,  0.44253368],
       [ 0.44421399,  0.98533921],
       [ 0.91476656,  0.27183732],
       [ 0.74745802,  0.08840694],
       [ 0.60000819,  0.67162258]])
>>> y = np.random.rand(10)
>>> y
array([ 0.53341968,  0.63964031,  0.46097061,  0.68602146,  0.20041928,
        0.42642768,  0.34039486,  0.93539655,  0.29946688,  0.57526445])
>>> m, c = np.linalg.lstsq(x, y)[0]
>>> print m,c
0.605269341974 0.370359070752

有关绘图以及这些值代表的更多信息，请参见文档。