ScholarGate
Assistent
Machine learningLocal spatial models

Geografisk vektet prinsipal komponent-analyse (GWPCA)

Geografisk vektet prinsipal komponent-analyse (GWPCA) er en lokal dimensjonsreduksjonsmetode introdusert av Harris, Brunsdon og Charlton i 2011. Den utvider klassisk PCA ved å tilpasse en separat vektet PCA ved hver lokasjon i et datasett, noe som tillater at egenreskturer – prinsipal komponentene og deres loadings – varierer kontinuerlig over geografisk rom i stedet for å være begrenset til én enkelt global løsning. GWPCA egner seg for forskere innen miljøvitenskap, folkehelse og regionaløkonomi som mistenker at multivariate sammenhenger mellom variabler varierer med lokasjon.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Geografisk vektet prinsipal komponent-analyse (GWPCA)
Geographically Weighted…Geografisk vektet regres…

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/no/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)). Hentet 2026-06-15 fra https://scholargate.app/no/spatial-analysis/geographically-weighted-pca · Datasett: https://doi.org/10.5281/zenodo.20539026