ScholarGate
Asistent
Machine learningLocal spatial models

Geografski ponderisana analiza glavnih komponenti (GWPCA)

Geografski ponderisana analiza glavnih komponenti (GWPCA) je lokalna metoda redukcije dimenzionalnosti koju su uveli Harris, Brunsdon i Charlton 2011. godine. Ona proširuje klasičnu PCA primenom zasebne ponderisane PCA na svakoj lokaciji u skupu podataka, omogućavajući da se svojstvene strukture — glavne komponente i njihova opterećenja — kontinuirano menjaju kroz geografski prostor, umesto da budu ograničene na jedno globalno rešenje. GWPCA je pogodna za istraživače u naukama o životnoj sredini, javnom zdravlju i regionalnoj ekonomiji koji sumnjaju da se multivarijatni odnosi među varijablama razlikuju po lokaciji.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Geografski ponderisana analiza glavnih komponenti (GWPCA)
Географски пондерисана с…Geographically Weighted…

Izvori

  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

Kako citirati ovu stranicu

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/sr/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)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/spatial-analysis/geographically-weighted-pca · Skup podataka: https://doi.org/10.5281/zenodo.20539026