Dei uma olhada rápida, parece interessante as fórmulas de detecção de prédios,
mas vi que não mencionaram o OSMCha e que lá temos sim um registro de
changesets com problemas e com possibilidade de filtrar os que foram
classificados como uma má edição intencional.
http://osmcha.mapbox.com/
Oi Gerald e Wille, tambem achei interessante o artigo, que passa a receita
e faz a prova de conceito. Bom achado.
Aí entre a prova de conceito e produto tem um longo caminho... mas tudo
indica que o OSMCha seria
justamente uma ótima "casca" para abrigar o algoritmo da detecção de
prédios (algo
Não sei se o Pandas pode ler diretamente de uma base PostgreSQL, mas nada
impede de exportar os dados para um formato que o Pandas reconheça e daí
para os algoritmos de machine learning.
Em 9 de agosto de 2018 10:08, Peter Krauss escreveu:
> Oi Paulo, boas dicas de clusterização, comunidade
Oi Paulo, boas dicas de clusterização, comunidade Python realmente criou
ferramentas poderosas ...
Quando ao OSM, bom lembrar que o XML é só um formato de troca de dados, as
representações geométricas do OSM usualmente são feitas em PostGIS.
Aqui vai um exemplo meio caduco, um dos poucos que
Oi gente, concordo com o Gerard,
e vejo uma certa inércia (nossa resistência natural quando pensamos "mais
seguro continuar como está")
ou até resistência (alguns são mesmo radicais) no "core" do OSM... Que tem
seus motivos.
De leve o artigo faz uma certa critica ao excesso de centralização do
O módulo scikit-learn do Python tem excelentes algoritmos de clusterização
que poderiam ser usados para esse tipo de análise em larga escala.
Bastaria pegar o XML de um mapa (pode ser o do mundo), abrí-lo com o pandas
e fazer a visualização dos grupos com, por exemplo, um dendrograma.
Objetos
