Wo ist der Wald vor
lauter Bäumen?
Visualisierung und Beschreibung räumlicher Daten
Jakob Nikolas Kather, 2015
I. Dichtemessung und Aggregation
II. Quantifizierung von Verteilungen
III. Clustering
IV. Anwendungen
I. Dichtemessung und Aggregation
2D-Histogramm
Beispieldatensatz 1
Kernel density estimation (KDE)
Beispieldatensatz 1
Kernel density estimation (KDE)
Beispieldatensatz 2
Kernel density estimation (KDE)
echter Datensatz
II. Quantifizierung von Verteilungen
Dichtezählung
Nachbarn und Kanteneffekte
Kanteneffekt
Was ist Zufall?
Baddeley, A. J., & Turner, R. (2004). Spatstat: An R Package for Analyzing Spatial Point Pattens, available from: http://w...
Ripley’s K function
Zufälliges Muster Muster mit Clustern
III. Clustering
k means clustering
1. Lege zufällig k Zentren fest
2. Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
3. Verschiebe ...
k means clustering
1. Lege zufällig k Zentren fest
2. Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
3. Verschiebe ...
k = 2
k = 3
k = 4
k = 5
k = 6
https://en.wikipedia.org/wiki/Category:Data_clustering_algorithms
… noch viel mehr
IV. Anwendungen
http://en.wikipedia.org/wiki/1854_Broad_Street_cholera_outbreak#/media/File:Snow-cholera-map-1.jpg
Ideen für Anwendungen in den Lebenswissenschaften?
Visualisierung ∎ Dichtemessung ∎ Clustering
… von räumlichen Daten auf ...
Diese Präsentation ist verfügbar auf Slideshare
slideshare.net/jnkather
Lebenswissenschaftliches Wochenendseminar
http://w...
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Einführung in die räumliche Statistik (2015)
Nächste SlideShare
Wird geladen in …5
×

Einführung in die räumliche Statistik (2015)

231 Aufrufe

Veröffentlicht am

Ein 20-30 minütiger Vortrag zur Einführung in die Ansätze der räumlichen Statistik und dem Umgang mit Datenpunkten auf einer zweidimensionalen Landkarte.
Gehalten auf dem Lebenswissenschaftlichen Wochenendseminar der Studienstiftung 2015 in Frankfurt.
Siehe http://www.lwws.de
Quelltext zum Erzeugen der Bilder mit Matlab: https://gist.github.com/jnkather

Veröffentlicht in: Ingenieurwesen
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
231
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
7
Aktionen
Geteilt
0
Downloads
3
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Einführung in die räumliche Statistik (2015)

  1. 1. Wo ist der Wald vor lauter Bäumen? Visualisierung und Beschreibung räumlicher Daten Jakob Nikolas Kather, 2015
  2. 2. I. Dichtemessung und Aggregation II. Quantifizierung von Verteilungen III. Clustering IV. Anwendungen
  3. 3. I. Dichtemessung und Aggregation
  4. 4. 2D-Histogramm Beispieldatensatz 1
  5. 5. Kernel density estimation (KDE) Beispieldatensatz 1
  6. 6. Kernel density estimation (KDE) Beispieldatensatz 2
  7. 7. Kernel density estimation (KDE) echter Datensatz
  8. 8. II. Quantifizierung von Verteilungen
  9. 9. Dichtezählung
  10. 10. Nachbarn und Kanteneffekte
  11. 11. Kanteneffekt
  12. 12. Was ist Zufall?
  13. 13. Baddeley, A. J., & Turner, R. (2004). Spatstat: An R Package for Analyzing Spatial Point Pattens, available from: http://www.spatstat.org/spatstat/doc/spatstatJSSpaper.pdf F(r): empty space function = point-to-event distribution G(r): nearest neighbour distance distribution function = event-to-event distribution K(r): Anzahl der Nachbarn N abhängig vom Radius r normalisiert auf Gesamtzahl der Punkte n und Gesamtdichte der Punkte λ = n/A
  14. 14. Ripley’s K function Zufälliges Muster Muster mit Clustern
  15. 15. III. Clustering
  16. 16. k means clustering 1. Lege zufällig k Zentren fest 2. Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet 3. Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
  17. 17. k means clustering 1. Lege zufällig k Zentren fest 2. Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet 3. Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke https://de.wikipedia.org/wiki/ K-Means-Algorithmus
  18. 18. k = 2
  19. 19. k = 3
  20. 20. k = 4
  21. 21. k = 5
  22. 22. k = 6
  23. 23. https://en.wikipedia.org/wiki/Category:Data_clustering_algorithms … noch viel mehr
  24. 24. IV. Anwendungen
  25. 25. http://en.wikipedia.org/wiki/1854_Broad_Street_cholera_outbreak#/media/File:Snow-cholera-map-1.jpg
  26. 26. Ideen für Anwendungen in den Lebenswissenschaften? Visualisierung ∎ Dichtemessung ∎ Clustering … von räumlichen Daten auf Landkarten
  27. 27. Diese Präsentation ist verfügbar auf Slideshare slideshare.net/jnkather Lebenswissenschaftliches Wochenendseminar http://www.lwws.de

×