ScholarGate
Assistente
Machine learningLocal spatial models

Analisi delle Componenti Principali Geograficamente Ponderate (GWPCA)

L'Analisi delle Componenti Principali Geograficamente Ponderate (GWPCA) è un metodo locale di riduzione della dimensionalità introdotto da Harris, Brunsdon e Charlton nel 2011. Estende l'analisi delle componenti principali (PCA) classica adattando una PCA ponderata separata in ogni posizione di un dataset, permettendo alle eigenstrutture — le componenti principali e i loro caricamenti — di variare continuamente nello spazio geografico anziché essere vincolate a una singola soluzione globale. La GWPCA è adatta a ricercatori nelle scienze ambientali, sanità pubblica ed economia regionale che sospettano che le relazioni multivariate tra le variabili differiscano a seconda della località.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Analisi delle Componenti Principali Geograficamente Ponderate (GWPCA)
Random Forest Geografica…Regressione Geograficame…

Fonti

  1. 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

Come citare questa pagina

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/it/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.

Compare side by side
ScholarGateGeographically Weighted PCA (Geographically Weighted Principal Component Analysis (GWPCA)). Consultato il 2026-06-15 da https://scholargate.app/it/spatial-analysis/geographically-weighted-pca · Insieme di dati: https://doi.org/10.5281/zenodo.20539026