통계적 공간 데이터 분석은 공간 데이터를 탐색하고 지리 데이터를 분석하는 유명한 기술입니다. 지리 통계학이라는 용어는 연속적인 지리적 영역과 관련이 있는 반면 공간 통계라는 용어는 이산 공간과 관련이 있습니다.
비공간 기록을 관리하는 통계 모델에서는 일반적으로 서로 다른 데이터 영역 간의 통계적 독립성을 고려합니다. 그러나 전통적인 데이터 세트와 달리 공간적으로 분산된 데이터 사이에는 그러한 독립성이 없습니다. 왜냐하면 실제로 공간 객체는 종종 상호 연관되거나 더 정확하게는 공간적으로 같은 위치에 있기 때문입니다. 동일한 속성입니다.
예를 들어, 자연 자원, 기후, 온도 및 경제 상황은 지리적으로 밀접하게 위치한 지역에서 동일해야 합니다. 사람들은 이것을 지리의 제1법칙으로 취급하기도 했습니다. − 모든 것은 다른 모든 것과 관련되어 있지만 가까운 것은 고립된 것보다 더 관련이 있습니다.
인접한 공간에 걸친 긴밀한 상호의존성의 이러한 특징은 공간적 자기상관의 개념으로 이어진다. 이 개념에 따라 공간 통계 모델링 방법이 더 성공적으로 생성되었습니다.
공간 데이터 마이닝은 공간 통계 분석 기술을 개발하고 효율성, 확장성, 데이터베이스 및 데이터 웨어하우스 시스템과의 협력, 향상된 고객 상호 작용, 새로운 지식 기술의 발견에 더욱 중점을 두어 대량의 공간 데이터에 대해 개선할 것입니다.
공간 데이터베이스는 지도, 사전 처리된 원격 감지 또는 의료 영상 기록, VLSI 칩 설계 데이터를 포함하여 엄청난 양의 공간 관련 데이터를 저장합니다.
공간 데이터베이스에는 관계형 데이터베이스와 구별되는 몇 가지 기능이 있습니다. 그것들은 일반적으로 공간 데이터 액세스 방법에 의해 생성되고 공간 추론, 기하학적 계산 및 공간 지식 표현 방법이 필요한 정교한 다차원 공간 인덱싱 아키텍처로 구성된 토폴로지 및 거리 데이터를 전달합니다.
공간 데이터 마이닝은 공간 데이터베이스에 명시적으로 저장되지 않은 지식, 공간 관계 또는 기타 흥미로운 디자인의 추출을 정의합니다. 이러한 마이닝은 데이터 마이닝과 공간 데이터베이스 기술의 통합을 요구합니다. 공간 기록 학습, 공간 및 비공간 기록 간의 공간 관계 및 관계 발견, 공간 지식 기반 구축, 공간 데이터베이스 재구성 및 공간 쿼리 최적화에 사용할 수 있습니다.
공간 데이터 마이닝의 핵심 과제는 많은 양의 공간 데이터와 공간 데이터 유형 및 공간 액세스 방법의 어려움으로 인해 효율적인 공간 데이터 마이닝 기술을 탐색하는 것입니다. 통계적 공간 데이터 분석은 공간 데이터를 탐색하고 지리 데이터를 분석하는 유명한 기법입니다.
지리 통계학이라는 용어는 연속적인 지리적 공간과 관련이 있는 반면 공간 통계는 이산 공간과 관련이 있습니다. 비공간 기록을 관리하는 통계 모델에서는 일반적으로 여러 데이터 영역 간의 통계적 독립성을 고려합니다.