GPS坐标（纬度和经度）可以用作线性模型的特征吗？

我的数据集包含许多功能，其中包括GPS坐标（纬度和经度）。我想使用这些数据集来探讨以下问题：（1）计算ETA以在起点和终点之间行驶；（2）估算特定点的犯罪数量。

我想使用线性回归模型。但是，我可以直接在线性模型中使用这些GPS坐标吗？

纬度和经度不具有序数属性，例如与人的年龄无关。例如，两个点（40.805996，-96.681473）和（41.226682，-95.986587）似乎没有任何有意义的排序。它们只是空间中的点。我当时想用分类的美国邮政编码替换它们，然后进行一键编码，但这会导致很多变量。

machine-learning feature-selection linear-regression feature-extraction geospatial

— stackoverflowuser2010
source

您是否必须直接使用它们？您是否听说过分区工具，例如S. Openshaw的AZP算法？如果区域相对一致，您甚至可以手动将地图中的区域划分为单独的区域/区域。

— Mephy

@Mephy：那意味着我会将纬度/经度转换为区域，对吗？但是然后，我将拥有成百上千个分类区域，就像邮政编码一样。我必须全部编码一次。

— stackoverflowuser2010

当然，这取决于您如何切割区域。如果选择“赤道线以南/赤道线以北”，则只有两个。许多分区算法都有一些超参数来定义数量，例如区域数或最小区域大小。

— Mephy

我有同样的问题。我想预测一个人的立场。我已经对训练数据中的所有地理位置特征进行了地理隐藏。之后，使用LabelDecoder转换分类位置特征。最后，结果是可怕的。处理空间预测有什么好主意吗？

— berisfu '18

Answers:

您不能直接使用它们，因为除非您要预测某人的“东或北距离”，否则不可能存在真正的线性关系。如评论中所述，您需要将它们转换为区域。如果要使其保持非常简单，可以使用具有少量潜在簇的kNN簇算法，然后为每个实例分配一个具有簇ID的新功能，然后对其进行一次编码。

您可能还想了解人们如何插值坐标以预测整个地图上的值。第一个示例是温度站，但您也可以想象它是犯罪的“热区”。

（DOCS）

— 钙
source

您可以做任何您想做的事，但是除非您的模型预测温度或时差，否则我无法提出仅依赖于坐标的任何其他目标变量。

您可能想做的是使用外部数据源，并使用“国家/地区” /“邮政编码” /“气候” /其他地理特征来丰富您的数据，这将有助于您的模型发挥作用。

— 格雷格
source

GPS坐标可以直接转换为geohash。Geohash根据位数将地球分为大小不同的“存储桶”（较短的Geohash代码创建较大的区域，较长的代码创建较小的区域）。

geohash是一个单一数字，可以用作模型中的特征。

Geohash仅适用于整个世界，邮政编码不适用。

— 布赖恩·斯皮林（Brian Spiering）
source

geohasher的输出是字符串，而不是单个数字，对吗？而且，如果geohash是字符串，那么我必须对其进行一键编码，这将导致很多变量，就像使用一键编码的邮政编码一样。

— stackoverflowuser2010

一个geohash是单个数字，以32为底进行编码。没有理由进行1-hot编码。选择精度等级并使用相关的数字位数。

— Brian Spiering

我只看到了geohashes的字符串表示形式。但是，即使将地理哈希表表示为long int，它们之间是否存在用于线性模型的线性关系？这正是我最初的问题的重点。

— stackoverflowuser2010

geohashes之间的关系是复杂的略- en.wikipedia.org/wiki/Geohash#Design

— 布莱恩Spiering

除线性编码和一键编码外，特征工程还有很多方法。例如，内核技巧或Helmert转换。

— Brian Spiering