如何利用python机器学习解决空间模拟与时间预测问题及经典案例分析
| 阿里云国内75折 回扣 微信号：monov8 |
| 阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6 |
机器学习原理与概述
了解机器学习的发展历史、计算原理、基本定义熟悉机器学习方法的分类常用机器学习方法以及模型的评估与选择；熟悉数据预处理的流程掌握python程序包的使用；理解机器学习在生态水文中的应用掌握机器学习模型构建方法学会构建机器学习模型用于地表参数的空间模拟与时间预测并掌握生态水文过程分析。
Python编译工具组合安装
Python语法及常见科学计算方法
包含Python基本语法及常用的科学计算Numpy、数据处理Pandas和数据可视化Matplotlib库函数的使用。
机器学习数据清洗
数据清洗与预处理是机器学习和深度学习最重要的部分一个好的学习模型离不来准确、合适的数据集。常见的数据问题有数据重复、数据异常、文本类型、数据缺失、数据无效等。
机器学习与深度学习方法
常用的机器学习和深度学习算法原理详解-机器学习以随机森林为例深度学习以长短期记忆网络为例。
5.1 机器学习原理-以随机森林为例
深度学习原理-以长短期记忆神经网络为例
机器学习空间模拟实践操作
经典案例一：土地利用分类
经典案例二：站点土壤水分观测的空间升尺度---从点到面的空间扩展
经典案例三：陆地总水储量的降尺度—提升空间数据的空间分辨率
机器学习时间预测实践操作
案例一：河流径流时间序列预测
案例二：地下水位时间序列预测
案例三：空气温度时间序列预测
