ScholarGate
Pembantu
Machine learningLocal spatial models

Analisis Komponen Utama Berpemberat Geografi (GWPCA)

Analisis Komponen Utama Berpemberat Geografi (GWPCA) ialah kaedah pengurangan dimensi tempatan yang diperkenalkan oleh Harris, Brunsdon, dan Charlton pada tahun 2011. Ia memperluas PCA klasik dengan memadankan PCA berpemberat yang berasingan pada setiap lokasi dalam set data, membenarkan struktur eigen — komponen utama dan pemberatnya — untuk berbeza secara berterusan merentasi ruang geografi dan bukannya terhad kepada satu penyelesaian global. GWPCA sesuai untuk penyelidik dalam sains alam sekitar, kesihatan awam, dan ekonomi serantau yang mengesyaki bahawa hubungan multivariat antara pemboleh ubah berbeza mengikut lokasi.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Analisis Komponen Utama Berpemberat Geografi (GWPCA)
Geographically Weighted…Regresi Berbobot Geograf…

Sumber

  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

Cara memetik halaman ini

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/ms/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)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/spatial-analysis/geographically-weighted-pca · Set data: https://doi.org/10.5281/zenodo.20539026