Analyse en Composantes Principales Pondérée Géographiquement (GWPCA)
L'Analyse en Composantes Principales Pondérée Géographiquement (GWPCA) est une méthode locale de réduction de dimensionnalité introduite par Harris, Brunsdon et Charlton en 2011. Elle étend l'ACP classique en ajustant une ACP pondérée distincte à chaque emplacement d'un ensemble de données, permettant aux eigenstructures — les composantes principales et leurs chargements — de varier continuellement dans l'espace géographique plutôt que d'être contraintes à une solution globale unique. La GWPCA convient aux chercheurs en sciences de l'environnement, en santé publique et en économie régionale qui soupçonnent que les relations multivariées entre les variables diffèrent selon l'emplacement.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Harris, P., Brunsdon, C., & Charlton, M. (2011). Geographically weighted principal components analysis. International Journal of Geographical Information Science, 25(10), 1717–1736. DOI: 10.1080/13658816.2011.554838 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/fr/spatial-analysis/geographically-weighted-pca
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Forêt aléatoire géographiquement pondéréeAnalyse spatiale↔ compare
- Régression Pondérée Géographiquement (GWR)Analyse spatiale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →