我最近掀起了一个script，用于从Twitter的流媒体API中捕获大量geo data。我正在寻找一些方法来创建一个模型，以使用数据作为训练输入来表示世界上任何给定的纬度/经度点的地理“活动”。
我正在考虑将所有lat \ lng舍入到两个小数位，并创建所有位置出现的二维直方图。因此用于训练我的模型的输入将是：
x = lat - input
y = lng - input
z = location weight - observed output [normalized between 0.0 and 1.0]
我正在考虑创建24个模型（每小时1个）来模拟社交网络活动取决于一天中的时间这一事实。这也可以简化3-d而不是4-d。
问题：
答案 0 :(得分：1)
K-Means clustering算法可能对此有所帮助。考虑到所有推文的lat和lng，它可用于计算推文集群的位置。
答案 1 :(得分：0)
这是我采取的方法。您应该构建一个回归模型，至少包含以下预测变量：纬度，经度，（纬度，纬度）的人口密度，时间（可能是分类）以及任何其他相关特征。你正在回归一些活动。
就python库而言，我可以帮助你：如果你想建立一个标准的线性模型（可能不是，但你可以用它作为起点），statsmodels是一个很好的起点。您至少可以获得某些测试数据的MSE。
鉴于模型可能很复杂并且会有很多交互，您可能希望将其与神经网络回归模型进行比较 - 如果是这样，pybrain设置为非常简单做这种事。