白话空间统计二十一：密度分析（四）

白话空间统计二十一：密度分析（四）

白话空间统计系列断了好久了……虽然写了很多其他的文章，但是有同学问，还是系列性的文章效果比较好，当然这些文章大部分都能分开来读，没有啥前后联系，但是系列文章最大的特点就是能够形成知识体系，无论是对于写的，还是对于读的，都有很大的好处。

好了，继续写密度分析。密度分析是我写的白话空间统计里面最长的单篇了，正剧写到这里是第四篇，番外写了两篇，但是预计起码还有好几篇才能写完，有时候想，干脆就直接叫做白话密度分析好了……可以开一个大系列。

好了，闲话少说，进入正题。（关于密度分析其他的内容，请查阅以前的文章）。

前面说了很多基本原理，但是可能大家看完之后就一个感觉：懂的说懂的，看不懂的仍然看不懂……好吧，今天虾神照样用画图的方法来说说核密度的基本原理。

首先我们来看看不进行属性加权的核密度分析（仅仅使用空间信息进行核密度分析）。

针对一下两个参数（cell size和bandwidth），我们通过下面的图来对比一下：

数据：美国的城市（区）位置信息。

当搜索半径为2度（1度约108公里左右）的时候，生成的结果如下：明显的看出美国城区密度中心主要有下面几个：东部的纽约城市圈、中部的芝加哥城市圈、西部的旧金山城市圈和洛杉矶城市圈。

当我们的搜索半径扩大到5度（500多公里）的时候，东部的纽约城市圈和芝加哥城市圈还能勉强分开，但是加州的旧金山城市圈和洛杉矶城市圈就已经连成一体了。

当我们把搜索半径扩大到10度（1000多公里）的时候，美国整体就变成了两个热区：东部和西部。

结论：当我们的搜索半径越大的时候，所能表现出来的结论越粗略和抽象，越能表现出整体性的趋势。而搜索半径越小的时候，细节程度越高，越能显示出局部性的趋势。

如何有效的选择搜索半径，就需要看你研究的空间尺度了，这是一个仁者见仁智者见智的过程。

以为上面主要讲的是无属性加权的，下一节继续讲属性加权的密度分析。

待续未完。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。