English
在Python中的轨迹分析和熊猫学习套件的学习方法：形成点集的轨迹基于Grid表示形式将轨迹建模为字符串.Benchmarked KNN，Random Forest，Logistic回归分类算法可对轨迹进行有效分类
文件大小：
24919k
资源说明：Python中的轨迹分析和分类（Pandas和Scikit Learn）
一项针对数据挖掘研究生课程的大学项目。
给我们一个trainset，其中地理点与时间间隔成对。 首先，我们清理数据集，然后形成轨迹（具有相应的路线ID）。 本部分的最后一步是根据_their的total_distance和最大距离（它们的两个点之间）过滤掉一些轨迹。
该项目的目标首先是计算test_set_a1 / a2.csv和train_set.csv的轨迹之间的轨迹相似度。
用于该算法的算法是：
快速动态时间规整（Fast-DTW） ，取自
我实现的最长公共子序列算法。
每次考虑的距离是点的Haver
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
