sf

Simple Features for R

Support for simple feature access, a standardized way to encode and analyze spatial vector data. Binds to 'GDAL' <doi:10.5281/zenodo.5884351> for reading and writing data, to 'GEOS' <doi:10.5281/zenodo.11396894> for geometrical operations, and to 'PROJ' <doi:10.5281/zenodo.5884394> for projection conversions and datum transformations. Uses by default the 's2' package for geometry operations on geodetic (long/lat degree) coordinates.

1.1-1 GPL-2 | MIT + file LICENSE 1 个版本
主页
Bug 反馈
安装
install.packages("sf")
remotes::install_cran("sf")
版本列表
1.1-1 2026-05-06
相关教程
时序分类：从距离度量到深度神经网络
综述时间序列分类方法，涵盖基于距离、基于特征和基于深度学习的模型及其在行为识别等上的应用。
Prefix-Tuning：为 Transformer 每层添加可学习前缀
掌握 Prefix-Tuning 技术，在每一层激活前拼接可训练前缀向量，以极少参数控制模型适应生成任务。
RWKV：结合 RNN 效率与 Transformer 表达力的架构
学习 RWKV 如何将注意力机制改造为线性循环形式，兼具高效并行训练和 O(1) 推理复杂度的优势。
PatchTST：将时间序列分割为 Patch 的 Transformer
将时间序列切分为子序列 Patch，并使用通道独立策略和自监督预训练，在长期预测中取得 SOTA 性能。
Informer：用于长序列预测的高效 Transformer
学习 Informer 如何通过概率稀疏注意力机制和自注意力蒸馏，在长序列时间序列预测中大幅降低计算复杂度。