如何在回归预测任务中使用 lat/long 作为特征

【问题标题】：How to use lat/long as features in regression prediction task如何在回归预测任务中使用 lat/long 作为特征
【发布时间】：2017-11-19 00:42:23
【问题描述】：

我有几个特征是实际的纬度/经度值。如果我想预测回归因变量（例如以秒为单位的行程时间）。您会推荐什么作为处理纬度/经度特征的最佳方法？

s_lat   e_lng   end_lat start_timestamp intercept
12339877    -73.992462  40.749401   -74.005142  40.740650   1449987484  1
972146  -73.991051  40.760536   -73.991951  40.746670

此外，由于因变量是以秒为单位的时间，这是正数，所以将其转换为对数刻度可能更好？

【问题讨论】：

标签： python machine-learning regression

【解决方案1】：

如果您只想比较位置之间的距离并仅基于此预测行程时间（不考虑已建成的道路等），您可以找到坐标和坐标之间的距离（使用坐标上的距离公式）用它作为自变量。应该不需要对数刻度；只需使用线性回归，因为距离公式总是产生正值。如您所说，使用行程时间作为因变量。

(距离公式为sqrt((lat2 - lat1)^2 + (long2 - long1)^2)。)

【讨论】：

这不是正确的距离公式。纬度和经度不保留角度和距离，因为球体与欧几里得曲面在拓扑上不是同胚的。请使用 Haversine 公式将纬度和经度转换为距离。