【发布时间】：2011-09-24 22:39:29
【问题描述】：
我正在研究由坐标 (GPS) 组成的路径的 ML 问题（主要是密度估计和异常检测）。除了坐标本身和增量（相邻坐标点之间的变化）和极坐标之外，还有哪些其他好的功能？哪些特征使直线度、弯曲度、平滑度和环状度等直观属性变得清晰？
【问题讨论】：
-
这对于统计 SE 站点可能更好，尽管这里有一些计算机视觉专家。您可能应该澄清您的问题 - 要求“好的功能”可能会导致这个问题的结束。或者您可能希望将此标记为迁移到 statistics.SE。
-
毫无疑问，统计人员可以提供一些见解；我认为 SO 有更多不同的人群可以从不同的领域回答这个问题。 （我并不是真的问一个统计问题，比如如何对这些特征进行建模。）我认为这个问题提出得很好——哪些特征为我们在路径中感知到的直观属性赋予了明确的价值（我不确定如何短语）。无论哪种方式，这是一个难题（我正在研究的问题）只是想看看是否有人有任何见解
-
无意冒犯，但您可能在机器学习方面找错了方向。统计和计算机视觉是与您的主题最相关的两个领域：密度估计、异常检测、曲线检测、路径检测等。例如，SO 上有一些统计人员致力于分析动物运动，这就是为什么我认为它在这里可能很有用，以及计算机视觉人员。但是，如果您不在 stats.SE 上发帖，您将错过统计人才。专注于专业知识比寻找 ML 解决方案要好。
-
（续）基本上，关注问题域和用于此类问题的工具，而不是试图为错误的问题寻找 ML 锤子。对于空间和路径建模，有比使用通用机器学习工具包重新开始所找到的更好的工具和方法。机器学习很有吸引力，但随着您深入了解，您会发现最难解决的问题最好使用非常具体的工具。
-
你也可以试试gis.stackexchange.com
标签： geometry machine-learning coordinates geospatial