สำรวจโน้ตบุ๊กสาธิตเพื่อทำความเข้าใจกรณีการใช้งานต่างๆ ของการฝังตัวของข้อมูลประชากร
| โน้ตบุ๊ก | คำอธิบาย |
|---|---|
| การรวมขอบเขตที่กำหนดเองใน Colab | แสดงวิธีรวมการฝังตัวของเซลล์ S2 เป็นขอบเขตหลายเหลี่ยมที่กำหนดเองโดยใช้ข้อมูลประชากรของ Earth Engine เพื่อสร้างฟีเจอร์แมชชีนเลิร์นนิงที่ถ่วงน้ำหนักตามประชากร |
| การคาดการณ์ทางเศรษฐกิจใน Colab | แสดงวิธีผสานรวมการฝังตัวของเซลล์ S2 กับข้อมูลเศรษฐกิจของ Data Commons เพื่อฝึกโมเดลแมชชีนเลิร์นนิงสำหรับการคาดการณ์อนุกรมเวลาที่ระดับเขต |
| การคาดการณ์ปัจจุบันใน Colab* | ใช้ข้อมูลในอดีตและข้อมูลปัจจุบันบางส่วนสำหรับตัวแปรเป้าหมายระดับเขตเพื่อคาดการณ์ผลลัพธ์ของเขตที่เหลือ |
| การเพิ่มความละเอียดและการประมาณค่าที่ขาดหายไปใน Colab* | ช่วยฝึกโมเดลที่ระดับเขตในตัวแปรเป้าหมายเพื่อคาดการณ์ที่ระดับรหัสไปรษณีย์ นอกจากนี้ยังแสดงการประมาณค่าที่ขาดหายไป (การฝึกในรหัสไปรษณีย์ 20% และการคาดการณ์สำหรับรหัสไปรษณีย์ที่เหลือ 80%) |
| การคาดการณ์แสงในเวลากลางคืนด้วย Earth Engine Colab* | แสดงให้เห็นว่าข้อมูลของ Earth Engine เช่น แสงในเวลากลางคืน สามารถคาดการณ์ได้จากการฝังตัว ซึ่งช่วยเพิ่มความเข้าใจด้านภูมิสารสนเทศสำหรับการคาดการณ์ด้านสิ่งแวดล้อมและเศรษฐกิจและสังคม |
| การคาดการณ์โดยใช้การฝังตัวทั่วโลก* | แสดงการใช้งานการฝังตัวทั่วโลกโดยการตั้งค่าโมเดลหลายประเทศเพื่อคาดการณ์สำหรับประเทศใหม่ |
* โน้ตบุ๊กนี้ใช้การฝังตัวของรหัสไปรษณีย์และต้องอัปเดตเป็นเซลล์ S2
แหล่งข้อมูลที่เกี่ยวข้อง
หากต้องการสำรวจงานวิจัยที่ผ่านการตรวจสอบจากผู้เชี่ยวชาญและการตรวจสอบความถูกต้องในโลกแห่งความเป็นจริงของข้อมูลเชิงลึกเกี่ยวกับข้อมูลประชากร โปรดดูงานวิจัยทางวิชาการ