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.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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.
- Random Forest Geograficamente PesatoAnalisi spaziale↔ compare
- Regressione Geograficamente Ponderata (GWR)Analisi spaziale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →