- 综合排序
- 最热优先
- 最新优先
- 来自专栏EmoryHuang's Blog
【论文阅读】Geography-Aware Sequential Location Recommendation
【论文阅读】Geography-Aware Sequential Location Recommendation Metadata authors:: Defu Lian, Yongji Wu, Yong 一篇 2020 年 KDD 的论文：Geography-Aware Sequential Location Recommendation 问题描述 （next POI recommendation）给定大小为 Geography-aware Self-Attention Network 模型总体架构如下图所示： Embedding 首先是一些数据处理的东西。 接下来就是这篇文章主要提出的 Geography Encoder，即对 GPS 信息进行编码。 参考资料 [1] Geography-Aware Sequential Location Recommendation
1K20编辑于 2022-10-31 - 来自专栏NebulaGraph 技术文章
Geospatial Data 在 Nebula Graph 中的实践
(geo geography(linestring)); CREATE TAG only_polygon(geo geography(polygon)); 当 geography 属性后面没有指定具体的地理形状信息时 \_Centroid(geography)，计算 geography 对象的重心，重心是一个 geography point 对象谓词函数 - ST\_Intersects(geography\_1, geography\_2)，判断两个 geography 对象是否相交 - ST\_Covers(geography\_1, geography\_2)，判断第一个 geography 对象是否完全覆盖第二个 - ST\_CoveredBy(geography\_1, geography\_2)，ST\_Covers 的反义词 - ST\_DWithin(geography\_1, geography\_2 , distance\_in\_meters)，判断两个 geography 对象的最短距离是否小于给定距离度量函数 - ST\_Distance(geography\_1, geography\_2)
1.1K70编辑于 2022-02-22 - 来自专栏全栈程序员必看
优秀课件笔记旅游者行为Tourist BehaviorChapter Behavior「建议收藏」
2006-12-5 Geography of Tourism .. .. .. .. 4 .. 2006-12-5 Geography of Tourism .. .. .. .. 21 .. 2、 旅游动机的分类 .. 2006-12-5 Geography of Tourism .. .. .. .. 36 .. 2006-12-5 Geography of Tourism .. .. .. .. 37 .. 四、旅行距离决策模式 .. -5 Geography of Tourism .. .. .. .. 44 第五节 旅游者行为研究的实践意义 ..
60340编辑于 2022-09-01 - 来自专栏python小分享
太赞了！30 个 Python 函数，加速你的数据分析处理速度！
df.loc[missing_index, ['Balance','Geography']] = np.nan "Balance"和"Geography"列中缺少 20 个值。 df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).mean() 13.Groupby与聚合函数结合 agg 函数允许在组上应用多个聚合函数 df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).agg(['mean','count']) 14.对不同的群体应用不同的聚合函数 df_summary = df[['Geography','Exited','Balance']].groupby('Geography').agg({'Exited':'sum', 'Balance df['Geography'] = df['Geography'].astype('category') 24.替换值 替换函数可用于替换数据帧中的值。
11.9K60编辑于 2021-12-23 - 来自专栏机器学习与统计学
30 个小例子帮你快速掌握Pandas
df.loc [missing_index，['Balance'，'Geography']] = np.nan Balance和Geography列中缺少20个值。 对于Geography列，我将使用最常见的值。 ? df[['Geography','Gender','Exited']]\ .groupby(['Geography','Gender']).mean() ? df[['Geography','Gender','Exited']].\groupby(['Geography','Gender']).agg(['mean','count']) ? df['Geography'] = df['Geography'].astype('category') ? Geography列的内存消耗减少了近8倍。
13.8K10发布于 2020-12-08 - 来自专栏AI篮球与生活
干货分享|如何用“Pandas”模块来做数据的统计分析！！
pd.read_csv("Churn_Modelling.csv") marketing = pd.read_csv("DirectMarketing.csv") 我们先从一个简单的例子着手来看， customer[['Geography ','Gender','EstimatedSalary']].groupby(['Geography','Gender']).mean() ? 这一类的预估工资的平均值达到了99564欧元，“男性”达到了100174欧元 当然除了求平均数之外，我们还有其他的统计方式，比如“count”、“min”、“max”等等，例如下面的代码 customer[['Geography ','Gender','EstimatedSalary']].groupby(['Geography','Gender']).agg(['mean','count','max']) ? 当然我们也可以对不同的列采取不同的统计方式方法，例如 customer[['Geography','EstimatedSalary','Balance']].groupby('Geography').agg
1.1K20发布于 2021-07-19 - 来自专栏小石头
POSTGIS 总结
(bytea) returns geography ST_AsSVG(geography) returns text ST_AsGML(geography) returns text ST_AsKML( geography) returns text ST_AsGeoJson(geography) returns text ST_Distance(geography, geography) returns (geography) returns double ST_Covers(geography, geography) returns boolean ST_CoveredBy(geography, geography ) returns boolean ST_Intersects(geography, geography) returns boolean ST_Buffer(geography, float8) returns geography[1] ST_Intersection(geography, geography) returns geography[1] geography转换为geometry PostgreSQL
8.1K10编辑于 2022-11-10 - 来自专栏陈黎栋的专栏啦
Neo4j·数据导入需要注意的坑·方案对比
\data\databases\graph5.db --nodes food*.csv --nodes geography*.csv --nodes location*.csv --nodes travel Expected '--nodes' to have at least 1 valid item, but had 0 [] 表示文件路径不支持 如果要是用缩写，结尾必须带有.csv 失败的原因是geography *，location*这种写法不支持 geography*.csv是允许的，geography*是不允许的。 --nodes food*.csv --nodes geography*.csv --nodes location*.csv --nodes travel*.csv是允许的，food*.csv,geography
3.6K30发布于 2020-02-17 - 来自专栏用户7627119的专栏
R代码|dplyr包的使用示例
, grades_physics, by = "name", suffix = c(".geography", ".physics") ) ## ------------------------ ------------------------------------------------ full_join( grades_geography, grades_physics, by = "name", suffix = c(".geography", ".physics") ) ## ----------------------------------------------- ------------------------- left_join( grades_geography, grades_physics, by = "name", suffix = c(". geography", ".physics") ) right_join( grades_maths, grades_physics, by = "name", suffix = c(".maths
2.3K30发布于 2020-08-05 - 来自专栏Ryan Miao
Postgres空间地理类型POINT POLYGON实现附近的定位和电子围栏功能
, ST_GeomFromText('POINT(114.025919 22.534866)', 4326):: geography ); -- 920.28519 , ST_GeomFromText ( 'POINT(121.248642 31.380415)', 4326 ) :: geography, 5000 ) IS TRUE order by distance desc LIMIT 30; 通过指定类型geom_point :: geography，单位变成米, 否则默认距离单位是度。 ST_DWithin ( geom_fence :: geography, ST_GeomFromText ( 'POINT( 120.731069 30.758984) ', 4326 ) :: geography, 30 ) ORDER BY distance LIMIT 10; 使用函数boolean ST_Within
4.2K20发布于 2018-12-28 - 来自专栏拓端tecdat
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型|附代码数据
类似地，Geography和Gender是分类列，因为它们含有分类信息，如客户的位置和性别。有几列可以视为数字列和类别列。例如，该HasCrCard列的值可以为1或0。 其中列的其余部分，Geography，Gender，HasCrCard，和IsActiveMember列可以被视为类别列。让我们创建这些列的列表：除该列外，其余所有列均可视为数字列。 例如，让我们绘制列的前五行，Geography并输出前五行的代码值：输出： 0 France1 Spain2 France3 France4 SpainName: Geography 例如，在该Geography列中，我们看到法国用0表示，德国用1表示。我们可以使用这些值来训练我们的模型。但是，更好的方法是以N维向量的形式表示分类列中的值，而不是单个整数。 例如，对于该Geography列，唯一值的数量为3。该Geography列的相应嵌入大小将为3/2 = 1.5 = 2（四舍五入）。
1.5K20编辑于 2022-11-15 - 来自专栏《C++与 AI：个人经验分享合集》
《SQL 中计算地理坐标两点间距离的魔法》
在 SQL Server 中，可以使用 geography 数据类型和相关的方法来计算距离： sql 复制 DECLARE @point1 geography = geography::Point (latitude1, longitude1, 4326); DECLARE @point2 geography = geography::Point(latitude2, longitude2, 4326
89610编辑于 2024-12-09 - 来自专栏拓端tecdat
Python中用PyTorch机器学习分类预测银行客户流失模型
类似地，Geography和Gender是分类列，因为它们含有分类信息，如客户的位置和性别。有几列可以视为数字列和类别列。例如，该HasCrCard列的值可以为1或0。 其中列的其余部分，Geography，Gender，HasCrCard，和IsActiveMember列可以被视为类别列。让我们创建这些列的列表： 除该列外，其余所有 列均可视为数字列。 例如，让我们绘制列的前五行，Geography并打印前五行的代码值： 输出： 0 France1 Spain2 France3 France4 SpainName: Geography 例如，在该Geography列中，我们看到法国用0表示，德国用1表示。我们可以使用这些值来训练我们的模型。但是，更好的方法是以N维向量的形式表示分类列中的值，而不是单个整数。 例如，对于该Geography列，唯一值的数量为3。该Geography列的相应嵌入大小将为3/2 = 1.5 = 2（四舍五入）。
2.7K11发布于 2020-09-25 - 来自专栏Rattenking
SQL ---- 语法学习笔记
Geography 表格 region_name store_name East Boston East New York West Los Angeles West San Diego 基础篇语法 请注意在这里我们有用到表格别名：Geography 表格 的别名是 A1，Store_Information 表格的别名是 A2。 若我们没有用表格别名的话，第一行 SELECT Geography.region_name REGION, SUM(Store_Information.Sales) SALES 很明显地，这就复杂多了 在这里，我们 要确认 Geography 表格中 store_name 栏位的值与 Store_Information 表格中 store_name 栏位的值是相等的。 14.2 实例 SELECT CONCAT(region_name,store_name) FROM Geography WHERE store_name = 'Boston'; 14.3 结果
94410发布于 2021-01-30 - 来自专栏YashanDB知识库
YashanDB ST_LENGTH函数
geometry的空间参考系标识号（SRID）在spatial_ref_sys中对应的srs_type如果是GEOGRAPHY2D或者GEOGRAPHY3D，会切换到大地坐标算法计算，否则会使用投影坐标算法
14000编辑于 2025-05-23 - 来自专栏拓端tecdat
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型|附代码数据
类似地，Geography和Gender是分类列，因为它们含有分类信息，如客户的位置和性别。有几列可以视为数字列和类别列。例如，该HasCrCard列的值可以为1或0。 其中列的其余部分，Geography，Gender，HasCrCard，和IsActiveMember列可以被视为类别列。让我们创建这些列的列表：除该列外，其余所有列均可视为数字列。 : Geography, dtype: category Categories (3, object): [France, Germany, Spain] 以下脚本在该列的前五行中绘制了值的代码Geography 例如，在该Geography列中，我们看到法国用0表示，德国用1表示。我们可以使用这些值来训练我们的模型。但是，更好的方法是以N维向量的形式表示分类列中的值，而不是单个整数。 例如，对于该Geography列，唯一值的数量为3。该Geography列的相应嵌入大小将为3/2 = 1.5 = 2（四舍五入）。
1.8K00编辑于 2023-02-23 - 来自专栏YashanDB知识库
YashanDB ST_DWITHIN函数
geometry的空间参考系标识号（SRID）在spatial_ref_sys中对应的srs_type如果是GEOGRAPHY2D或者GEOGRAPHY3D，会切换到大地坐标算法计算，否则会使用投影坐标算法
17600编辑于 2025-05-20 - 来自专栏数据分析
[PostgreSQL]MySQL索引 vs PostgreSQL GIST：算法选型深度对比
O2O商家）CREATE TABLE merchants ( merchant_id SERIAL PRIMARY KEY, name VARCHAR(100), location GEOGRAPHY ST_DWithin）SELECT * FROM merchants WHERE ST_DWithin(location, ST_SetSRID(ST_Point(116.5, 40.0), 4326)::geography , 2000)ORDER BY location <-> ST_SetSRID(ST_Point(116.5, 40.0), 4326)::geography;-- GIST索引性能对比表操作符类索引大小范围查询 KNN查询距离过滤构建时间适用场景gist_geography_ops89 MB12 ms4 ms8 ms8.2 s通用场景gist_geography_ops_nd67 MB15 ms3 ms7 ms6.5 as distanceFROM merchantsWHERE ST_DWithin(location, ST_SetSRID(ST_Point(116.4074, 39.9042), 4326)::geography
36510编辑于 2025-12-06 - 来自专栏陈黎栋的专栏啦
JanusGraph实战笔记·数据写入·查询
//Query 1 inst1 = Instant.now(); List<Vertex> ret1 = g.V().has("type_object_type", "geography_mountain //Query 3 inst1 = Instant.now(); List<Vertex> ret3 = g.V().has("type_object_type", "geography_mountain ") .has("geography_mountain_elevation", P.gt(1000)).toList(); inst2 = Instant.now /Query 4 inst1 = Instant.now(); List<Object> ret4 = g.V().has("type_object_type", "geography_mountain
1.6K10发布于 2020-02-18 - 来自专栏张志敏的技术专栏
NHibernate 配置使用 Formula
formula="[CategoryName] + ' ' + [Description]" type="string" /> 场景2: 映射复杂的 SQL 类型 SQL 2008 支持空间数据类型 geography 示例表结构定义如下： CREATE TABLE SpatialTable ( id int IDENTITY (1,1), GeogCol1 geography, ); 使用 Formula
68920发布于 2020-08-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号