在本文中，你将学习到K-means算法的数学原理，作者会以尼日利亚音乐数据集为案例。带你了解了如何通过可视化的方式发现数据中潜在的特征。最后对训练好的K-means模型进行评估。

本文中，作者基于PIE Engine遥感云计算平台进行遥感影像监督分类，详细介绍了遥感影像分类的数据预处理、模型训练及结果可视化。

🏆🏆在本文中，我们基于之前的亚洲美食数据集构建了SVC模型，并介绍了模型可视化工具Netron与Onnx模型格式的使用。与之前基于Python的pkl格式模型相比，Onnx格式的模型适用性更好，可以在多个平台使用。且OnnxRuntime拥有各种语言的API，💻我们可以在各个环境中部署机器学习模型应用！......

1.ArcGIS软件体系结构2.ArcObjectsArcObjects是ESRI公司ArcGIS系列产品的开发平台，它是基于Microsoft COM技术（基于微软COM技术，所以只能在这个环境中运行）构建的GIS组件产品，是一套可重用的通用的二次开发组件产品，它可以用于大量开发框架中，包括流行的像.NET、Visual、C++、Java等开发环境。ArcObjects不是为最终用户而是专门为开发人员提供的二次开发组件。ArcObjects是ArcGIS系列产品的基础，大部分Arc

GIS空间分析 网络分析1创建交通网络数据集

ArcGIS 网络分析2规划最佳路径

GIS空间分析 网络分析3寻找最近的消防站

GIS空间分析 网络分析5车辆多路径派发

GIS空间分析 网络分析6寻找受污染的河流

一、本课程入门必要条件：0 配置您的计算机。在系统中安装 Python 并设置用于开发的文本编辑器如jupyter notebook 或者pycharm等开发环境。1 学习 Python。建议对Python有个基本了解，Python是一种对我们在本课程中使用的数据科学家有用的编程语言。2 学习 Node.js 和 JavaScript。在本课程中，在构建Web应用程序时，我们还使用JavaScript几次，因此您需要安装node和npm，以及可用于Python和JavaScript开发的Vis

介绍机器学习发展历史

在本文中您将学习到0 提高对机器学习中公平性重要性的认识。1 了解与公平相关的危害2 了解不公平评估和缓解措施。

在本文中,你将学习到:1机器学习的流程。2 理解基本术语概念，如“模型”，“训练”，“预测”，“过拟合”等。

GIS空间分析 缓冲区分析与叠加分析1 市区择房,讲述如何利用缓冲区分析和叠加分析的方法进行选址分析

GIS空间分析 叠加分析与缓冲区分析2 房产开发适宜性制图 本文讲述了基于选址分析的适应性分析案例

机器学习系列4 使用Python和Scikit-Learn回归模型 在本文中，我们将学习机器学习本地环境的配置过程，利用Scikit-learn库走完机器学习模型的基本流程，最终创建一个线性回归模型。

在本文中，我们以美国南瓜数据为例，观察并整理了需要的数据，挑选及提取了特征变量：如月份，平均价格。并对其进行了数据可视化，我们发现，9月和10月份是南瓜的平均价格最高。

在本文中，我们以美国南瓜数据为例，讲解了三种线性回归的原理与使用方法，探寻数据之间的相关性，并构建了6种线性回归模型。将准确率从一开始的0.04提升到0.96.

本文讲述ArcGIS栅格数据欧氏距离分析、栅格数据重分类、栅格叠置分析等空间分析功能；