小编Sha*_*ngh的帖子

我正在分析一些地理数据,并尝试预测/预测下次发生的事件的时间和地理位置.数据按以下顺序排列(带样本数据)

Timestamp Latitude     Longitude   Event 
13307266  102.86400972 70.64039541 "Event A"
13311695  102.8082912  70.47394645 "Event A"
13314940  102.82240522 70.6308513  "Event A"
13318949  102.83402128 70.64103035 "Event A"
13334397  102.84726242 70.66790352 "Event A"

第一步是将其分为100个区域,以减少尺寸和复杂性.

 
Timestamp Zone 
13307266  47
13311695  65
13314940  51
13318949  46
13334397  26

下一步是进行时间序列分析,然后我在这里停留了2个月,阅读了大量文献并认为这些是我的选择*ARIMA(自动回归方法)*机器学习

我想利用机器学习来预测使用python,但无法弄清楚如何.特别是有任何特定于用例的python库/开源代码,我可以构建它.

编辑1:为了澄清,数据松散地依赖于过去的数据,但在一段时间内均匀分布.可视化数据的最佳方式是,想象由算法控制的N个代理,它们分配从网格中挑选资源的任务.资源是社会经济结构的功能,也很大程度上依赖于地理.它的" 算法 " 感兴趣,能够预测需求区和时间.

ps:对于像ARIMA这样的自回归模型,Python已经有了一个库http://pypi.python.org/pypi/statsmodels.

我是django的新手,想到了简单的django应用程序以了解它的更多信息,在代码中的一个地方我必须选择locationName并获得与locationName表中相同id的元素.当我开始想知道是continue逃避for循环的最pythonic方式？

有问题的代码如下:

for locationName in locationGroup:
    idRef = locationName.id
    try:
        element = location.objects.order_by('-id').filter(name__id=idRef)[0]
    except IndexError:
        continue