Machine learningLocal spatial models

Phân tích thành phần chính có trọng số địa lý (GWPCA)

Phân tích thành phần chính có trọng số địa lý (GWPCA) là một phương pháp giảm chiều cục bộ được giới thiệu bởi Harris, Brunsdon và Charlton vào năm 2011. Nó mở rộng PCA cổ điển bằng cách khớp một PCA có trọng số riêng biệt tại mỗi vị trí trong một tập dữ liệu, cho phép các cấu trúc riêng — các thành phần chính và tải trọng của chúng — thay đổi liên tục trên không gian địa lý thay vì bị giới hạn trong một giải pháp toàn cục duy nhất. GWPCA phù hợp với các nhà nghiên cứu trong lĩnh vực khoa học môi trường, y tế công cộng và kinh tế khu vực, những người nghi ngờ rằng các mối quan hệ đa biến giữa các biến khác nhau tùy theo địa điểm.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

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

Phân tích thành phần chính có trọng số địa lý (GWPCA)
Rừng ngẫu nhiên có trọng…Hồi quy Trọng số Địa lý…

Nguồn tài liệu

  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

Cách trích dẫn trang này

ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/vi/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)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/spatial-analysis/geographically-weighted-pca · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026