분류 전체보기2107

• 

  [공간 자료] KT, 'K-데이터 인사이트 플랫폼' 오픈 https://bigsight.kt.com/bdip/components/portal/index.html#/portal kt BigSight bigsight.kt.com    https://plip.bigsight.kt.com/plip/dashboard 생활이동분석솔루션생활이동분석솔루션plip.bigsight.kt.com 🏞️ GIS & RS/💽 공간 데이터 저장소 2025. 3. 18.

• [머신러닝] DBSCAN (Density-Based Spatial Clustering of Applications with Noise)이란? DBSCAN (Density-Based Spatial Clustering of Applications with Noise)DBSCAN(밀도 기반 공간 클러스터링)은 밀도가 높은 지역을 클러스터로 그룹화하고 이상치(Noise)를 감지하는 비지도 학습 알고리즘입니다.K-Means와 달리 클러스터 개수(K)를 사전에 정의할 필요가 없으며, 비원형(Non-spherical) 데이터에도 강한 성능을 발휘합니다.🔍 DBSCAN의 핵심 개념DBSCAN은 데이터 포인트의 밀도를 기반으로 군집을 형성하며, 아래 3가지 개념을 사용합니다.📌 1. 주요 개념✅ Core Point (핵심 포인트)반경(ε) 내에 최소 개수(MinPts) 이상의 데이터 포인트가 존재하는 포인트새로운 클러스터의 중심이 될 수 있음✅ Borde.. 🖥️ IT, 컴퓨터/📁 데이터 분석 2025. 3. 18.

• 

  [머신러닝] K-Means 클러스터링이란? K-Means 클러스터링: 비지도 학습 기반 데이터 그룹화 기법🔍 K-Means 클러스터링이란?K-Means 클러스터링은 비지도 학습(Unsupervised Learning) 기법 중 하나로, 데이터를 유사한 특성을 가진 그룹(클러스터)으로 나누는 알고리즘입니다.데이터의 중심(centroid)을 기반으로 군집을 형성하며, 군집의 개수(K)를 사전에 설정해야 합니다.📌 K-Means의 특징비지도 학습 방식: 레이블 없이 데이터를 자동으로 그룹화유클리드 거리 기반: 데이터 포인트 간의 거리를 최소화하는 방식빠른 연산 속도: 대규모 데이터에도 적용 가능K(클러스터 개수) 설정이 중요📌 K-Means 알고리즘 동작 과정1️⃣ 초기 중심(K 개) 설정데이터에서 무작위로 K개의 중심(centroid) 선택2️.. 🖥️ IT, 컴퓨터/📁 데이터 분석 2025. 3. 18.

• 

  [공간통계] 공간회귀분석 (Spatial Regression Analysis): SAR & GWR 공간회귀분석 (Spatial Regression Analysis): SAR & GWR공간 데이터는 지리적으로 인접한 값들 간의 자기상관이 강하게 나타나는 특징이 있습니다.일반적인 회귀분석(OLS)은 공간적 의존성(spatial dependency)을 고려하지 않기 때문에 **공간적 자기상관을 반영한 공간회귀모형(Spatial Regression Models)**이 필요합니다.대표적인 공간회귀분석 기법에는 **SAR(공간자기회귀, Spatial Autoregressive Model)**과 **GWR(지리적 가중 회귀, Geographically Weighted Regression)**이 있습니다.📌 1. 공간자기회귀모형(SAR: Spatial Autoregressive Model)SAR 모델은 종속변수(.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] 커널 밀도 추정(Kernel Density Estimation, KDE)이란? 커널 밀도 추정(Kernel Density Estimation, KDE): 데이터의 분포를 부드럽게 추정하는 기법🔍 커널 밀도 추정(KDE)란?커널 밀도 추정(KDE, Kernel Density Estimation)은 연속형 데이터의 확률 밀도 함수를 추정하는 비모수적(non-parametric) 기법입니다.즉, 데이터가 어떤 특정한 분포(예: 정규분포)를 따른다고 가정하지 않고, 주어진 데이터로부터 부드러운 확률 밀도 함수(PDF)를 추정하는 방법입니다.📌 주요 특징히스토그램보다 부드러운 분포 곡선을 제공적절한 밴드폭(bandwidth) 선택이 중요공간 데이터 분석에서는 **핫스팟 분석(밀집 지역 탐색)**에 활용📌 KDE의 핵심 개념KDE는 각 데이터 포인트 주변에 커널 함수(kernel fun.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] Getis-Ord Gi*란? Getis-Ord Gi*: 공간 핫스팟(Hotspot) 분석의 핵심 지표🔥 Getis-Ord Gi*란?Getis-Ord Gi* 통계량은 **공간적 클러스터링(Hotspot & Coldspot)**을 식별하는 데 사용되는 공간 통계 기법입니다. 특정 공간 내에서 값이 유의미하게 높거나 낮은 지역을 찾고, 이를 통해 **핫스팟(Hotspot)과 콜드스팟(Coldspot)**을 분석하는 데 활용됩니다.핫스팟(Hotspot): 특정 지역 주변에서 값이 지속적으로 높게 나타나는 경우콜드스팟(Coldspot): 특정 지역 주변에서 값이 지속적으로 낮게 나타나는 경우Getis-Ord Gi*는 범죄 데이터, 부동산 시장 분석, 상업시설 밀집도 분석, 공공보건 연구 등 다양한 분야에서 공간적 패턴을 탐색하는 데 활용됩.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] Geary's C란? Geary’s C: 공간 자기상관 분석의 또 다른 지표🔍 Geary’s C란?Geary’s C는 **공간 자기상관(Spatial Autocorrelation)**을 측정하는 지표로, Moran’s I와 유사하지만 값들의 국지적(local) 차이를 중점적으로 분석하는 것이 특징입니다. Moran’s I가 전체적인 공간적 패턴(글로벌 자기상관)을 측정하는 반면, Geary’s C는 개별 지역 간의 차이를 강조하여 보다 세밀한 공간 패턴을 식별하는 데 유용합니다.Moran’s I vs. Geary’s CMoran’s I는 **전체적인 경향(글로벌 패턴)**을 분석Geary’s C는 **인접한 지역 간의 값 차이(로컬 패턴)**를 분석Moran’s I가 클러스터링을 강조한다면, Geary’s C는 경계(디스컨.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] Moran's I란? Moran’s I: 공간 자기상관 분석의 핵심 지표🔍 Moran’s I란?Moran’s I는 공간 자기상관(spatial autocorrelation)을 측정하는 대표적인 지표로, 공간 데이터에서 특정 값이 이웃한 지역과 유사한 패턴을 보이는지, 아니면 무작위로 분포하는지를 분석하는 데 사용됩니다.공간 자기상관(Spatial Autocorrelation): 지리적으로 가까운 데이터들이 유사한 특성을 가지는 경향을 의미합니다.Moran’s I 값+1에 가까울수록 강한 양의 공간 자기상관 (비슷한 값들이 클러스터링됨)0에 가까울수록 공간적 무작위성-1에 가까울수록 강한 음의 공간 자기상관 (서로 다른 값들이 인접)📌 Moran’s I 수식Moran’s I는 다음과 같은 공식으로 계산됩니다.NN: 총 관측.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• [도시지리] 세계 각국의 행정구역 체계 세계 각국의 행정구역 체계는 각국의 정치적·역사적·지리적 배경에 따라 크게 다릅니다. 일반적으로 국가들은 중앙집권형과 연방제 형태로 나뉘며, 행정구역 체계는 계층적인 구조로 구성됩니다.1. 주요 행정구역 체계 분류① 단일국가 (Centralized States)단일국가는 중앙정부가 강한 권한을 갖고 있으며, 행정구역이 중앙정부의 정책에 따라 운영됩니다.행정단위: 보통 2~3단계(대분류→중분류→소분류)로 구성됨.대표 국가: 대한민국, 프랑스, 일본, 중국(사실상 중앙집권적 운영), 영국(스코틀랜드·웨일스·북아일랜드는 자치권 있음)② 연방국가 (Federal States)연방국가는 여러 개의 자치적인 지역(주, 칸톤, 지방 등)이 연방 정부 아래에서 독립적인 입법권과 행정권을 가집니다.행정단위: 국가(연방).. 💖 Hongsi's Study/🌏 지리･도시･공간 2025. 3. 18.

• [요리] 몸을 따뜻하게 해주는 재료로 만들 수 있는 요리 모음 1. 국물 요리 (보온 효과 & 영양 보충)삼계탕 (닭고기, 인삼, 대추, 마늘, 생강)곰탕 & 설렁탕 (소뼈, 사골, 대파, 마늘)추어탕 (미꾸라지, 들깨가루, 마늘, 대파)된장국 (된장, 마늘, 대파, 두부, 버섯)미소된장국 (미소된장, 두부, 다시마, 파)육개장 (소고기, 대파, 고사리, 고춧가루)감자탕 (돼지등뼈, 감자, 깻잎, 대파, 고춧가루)생강차 & 대추차 (생강, 대추, 꿀)유자차 (유자, 꿀, 뜨거운 물)계피차 (계피, 꿀, 생강)2. 밥 & 죽 요리 (속을 따뜻하게)생강 솥밥 (쌀, 생강, 대추, 은행)대추 약밥 (찹쌀, 대추, 꿀, 잣)들깨죽 (들깨가루, 찹쌀, 참깨)호박죽 (단호박, 찹쌀, 꿀)전복죽 (전복, 참기름, 쌀, 대파)닭죽 (닭고기, 찹쌀, 대추, 마늘)3. 고기 요리 (.. ℹ️ Information/😊 생활정보 2025. 3. 17.

• [지도서비스] 네이버 지도 [관심지역] 기능 네이버 지도에서 2천만 이용자의 관심을 분석한 [관심지역]안녕하세요! 오늘은 네이버 지도의 새롭게 개선된 기능인 [관심지역]에 대해 소개해 드리려고 합니다. 이 기능은 네이버 지도 이용자들의 검색, 클릭, 저장, 리뷰 등 다양한 활동 데이터를 분석하여 사람들이 많이 찾는 핫플레이스를 자동으로 표시하는 기능입니다.이제는 트렌드에 맞춰 살아 움직이는 지도를 경험할 수 있습니다! 여행지 탐색, 핫플레이스 찾기, 맛집 검색까지, [관심지역]을 활용하면 더 스마트한 장소 탐색이 가능합니다.🔍 네이버 지도 [관심지역]이란?네이버 지도 **[관심지역]**은 네이버 지도 이용자들의 다양한 활동 데이터를 분석해 사람들이 많이 찾는 인기 지역을 자동으로 표시하는 기능입니다. 특정 지역이 검색, 클릭, 저장, 리뷰 등의 .. 🏞️ GIS & RS/🗺️ 지도서비스･웹지도 2025. 3. 16.

• [GIS] GIS(지리정보시스템) 관련 이모지 모음 🗺️ 지도 & 공간 데이터 관련🗺️ 세계 지도 (World Map) → 전체적인 지도 개념🗾 일본 지도 (Map of Japan) → 특정 지역 지도 표현 가능🗿 모아이 석상 (Moai) → 문화유산이나 지형 데이터🏞️ 국립공원 (National Park) → 자연환경, 생태계 분석📍 위치 & 좌표 관련📍 핀 (Pushpin) → 특정 위치 표시📌 고정 핀 (Pin) → 지도상 특정 지점 강조📡 위성 안테나 (Satellite Antenna) → GNSS, GPS 데이터🛰️ 인공위성 (Satellite) → 위성 이미지, 원격탐사🏙️ 도시 & 공간 데이터🌆 도시 전경 (Cityscape at Dusk) → 도시 공간 분석🏢 빌딩 (Building) → 건물 데이터, 부동산 분석🚏.. 🏞️ GIS & RS/📚 GIS (지리정보시스템) 2025. 3. 16.