Machine learningLocal spatial models

Geograficky vážená analýza hlavných komponent (GWPCA)

Geograficky vážená analýza hlavných komponent (GWPCA) je lokálna metóda redukcie dimenzionality, ktorú v roku 2011 predstavili Harris, Brunsdon a Charlton. Rozširuje klasickú PCA tak, že v každej lokalite dátového súboru prispôsobuje samostatnú váženú PCA, čo umožňuje, aby sa vlastné štruktúry — hlavné komponenty a ich váhy — priebežne menili v geografickom priestore, namiesto toho, aby boli obmedzené na jediné globálne riešenie. GWPCA je vhodná pre výskumníkov v oblasti environmentálnych vied, verejného zdravia a regionálnej ekonómie, ktorí predpokladajú, že multivariátne vzťahy medzi premennými sa líšia v závislosti od lokality.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Geograficky vážená analýza hlavných komponent (GWPCA)
Geograficky vážený náhod…Geograficky vážená regre…

Zdroje

  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

Ako citovať túto stránku

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/sk/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)). Získané 2026-06-15 z https://scholargate.app/sk/spatial-analysis/geographically-weighted-pca · Dátová sada: https://doi.org/10.5281/zenodo.20539026