Machine learningLocal spatial models

Географічно зважений аналіз головних компонентів (GWPCA)

Географічно зважений аналіз головних компонентів (GWPCA) — це локальний метод зменшення розмірності, запроваджений Гаррісом, Брансдоном і Чарльтоном у 2011 році. Він розширює класичний метод головних компонентів (PCA), застосовуючи окремий зважений PCA в кожній точці набору даних, що дозволяє власним структурам — головним компонентам та їхнім навантаженням — безперервно змінюватися в географічному просторі, а не бути обмеженими єдиним глобальним рішенням. GWPCA підходить для дослідників у галузі екології, громадського здоров'я та регіональної економіки, які припускають, що багатовимірні зв'язки між змінними відрізняються залежно від місцезнаходження.

Відкрити у MethodMindНезабаромВідеоНезабаромDownload slides

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Method map

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

Географічно зважений аналіз головних компонентів (GWPCA)
Географічно зважений вип…Географічно зважена регр…

Джерела

  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

Як цитувати цю сторінку

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/uk/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)). Отримано 2026-06-15 з https://scholargate.app/uk/spatial-analysis/geographically-weighted-pca · Набір даних: https://doi.org/10.5281/zenodo.20539026