Analizando datos geoespaciales con Python (Parte 2 – Prueba de hipótesis)

Análisis de datos geoespaciales con Python (Parte 2 - Prueba de hipótesis)

Aprendiendo sobre la prueba de hipótesis geoespaciales para los listados de AirBnb en Asheville

Montañas Blue Ridge en Asheville, NC. Foto de la colección personal del autor.

Introducción

En el primer artículo, vinculado a continuación, trabajamos con una introducción al análisis de datos geoespaciales, donde descargamos los listados de AirBnb para la ciudad de Asheville, en Carolina del Norte (EE. UU.) y pasamos por algunos pasos para extraer información de los datos geoespaciales.

Análisis de datos geoespaciales con Python

Un artículo práctico de análisis de datos con código Python.

towardsdatascience.com

En ese artículo, nos enfocamos más en dónde se concentraban las propiedades de alquiler y en sus precios. Por lo tanto, concluimos que los listados de Asheville se concentran en el área del centro y los precios más altos se pueden ver a lo largo de la carretera Blue Ridge Parkway, debido a la hermosa vista y al entorno rural, probablemente.

Está bien. Recomiendo que leas el primer artículo, para que puedas obtener el código y los pensamientos iniciales juntos y luego seguir adelante con los conocimientos disponibles en esta segunda parte.

Conjunto de datos

AirBnb, si no lo conoces, es una plataforma peer-to-peer para que las personas enumeren sus casas, habitaciones o dormitorios para alquilar. Sus datos de listados de alquiler son recopilados por este proyecto comunitario en el sitio web http://insideairbnb.com/, donde cualquier persona puede ir y descargar los conjuntos de datos para su análisis. Por lo tanto, seguiremos utilizando los mismos datos para esta parte. Los datos están disponibles bajo la licencia Creative Commons Attribution 4.0 International.

En este artículo

En este artículo, aprenderemos sobre los componentes para crear una prueba de hipótesis geoespacial. Aquí están:

  • Primer y segundo efectos
  • Autocorrelación
  • Pesos espaciales
  • Matriz de contigüidad
  • I de Moran
  • Autocorrelación espacial global
  • Autocorrelación espacial local

Ten en cuenta que se presentan muchos conceptos aquí, pero también codificaremos todo…

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

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Esta Investigación de IA presenta GAIA un referente que define el próximo hito en la competencia general de IA

“`html Investigadores de FAIR Meta, HuggingFace, AutoGPT y GenAI Meta abordan el problema de probar las capacid...

Inteligencia Artificial

Mejorando los Modelos de Lenguaje con Indicaciones Analógicas para Mejorar el Razonamiento

En los últimos años, los modelos de lenguaje han demostrado una notable habilidad para entender y generar texto simil...

Inteligencia Artificial

Los investigadores de la Universidad de Pennsylvania presentaron un enfoque alternativo de IA para diseñar y programar computadoras de depósito basadas en RNN.

El cerebro humano es uno de los sistemas más complejos que la naturaleza ha creado. Los neuronas interactúan entre sí...

Aprendizaje Automático

Ajusta de forma interactiva Falcon-40B y otros LLMs en los cuadernos de Amazon SageMaker Studio utilizando QLoRA.

Ajustar modelos de lenguaje grandes (LLMs) permite adaptar modelos fundamentales de código abierto para lograr un mej...

Inteligencia Artificial

Aprendamos IA juntos - Boletín de la Comunidad Towards AI #3

Buenos días, entusiastas de la IA! Estoy emocionado de compartir el episodio de podcast de esta semana, en el que cha...