Typically, PCA is used to reduce th

Typically, PCA is used to reduce the dimensionality of a data set, while retaining as much of the original information as possible. This reduction is achieved by transforming the original set of variables into a new smaller set of variables, the principal components, which are uncorrelated and the first few principal components (PCs) retain most of the variation present in the original variables.XRD study of soil samples has been done to find the phases in the sample. First, silica is removed from the sample following a slightly modified procedure of

ผลลัพธ์ (ไทย) 1:

โดยปกติ PCA จะใช้เพื่อลด dimensionality ของชุดข้อมูล สอบถามข้อมูลเดิมเป็นไปได้มากที่สุด ที่ลดลงนี้จะกระทำ โดยการเปลี่ยนชุดของตัวแปรชุดของตัวแปร ส่วนสำคัญ ซึ่งเป็น uncorrelated เล็กใหม่ และ first ส่วนประกอบหลักไม่กี่ (PCs) เก็บไว้มากที่สุดของความผันแปรในตัวแปรเดิม ศึกษา XRD ของดินตัวอย่างมีการดำเนินการ find ขั้นตอนในตัวอย่าง ครั้งแรก ซิลิก้าจะถูกเอาออกจากตัวอย่างวิธีการเล็กน้อย modified ของ

ผลลัพธ์ (ไทย) 2:

โดยปกติแล้ว PCA จะใช้ในการลดมิติของชุดข้อมูลในขณะที่การรักษาเท่าของข้อมูลเดิมที่เป็นไปได้ การลดลงนี้จะทำได้โดยการเปลี่ยนชุดเดิมของตัวแปรเป็นชุดเล็กใหม่ของตัวแปรองค์ประกอบหลักซึ่งเป็น uncorrelated และสายองค์ประกอบหลักแรกไม่กี่ (พีซี) รักษาส่วนใหญ่ของการเปลี่ยนแปลงที่มีอยู่ในการศึกษาเดิม variables.XRD ของดิน ตัวอย่างที่ได้รับการทำเพื่อ fi ครั้งขั้นตอนในตัวอย่าง ครั้งแรกซิลิกาถูกลบออกจากตัวอย่างต่อไปนี้เป็นขั้นตอนที่เอ็ดสาย Modi เล็กน้อย

ผลลัพธ์ (ไทย) 3:

โดยทั่วไปจะถูกใช้เพื่อลด dimensionality ของชุดข้อมูล ในขณะที่การรักษามากของข้อมูลต้นฉบับที่สุด การลดลงนี้ได้เปลี่ยนชุดเดิมของตัวแปรในขนาดเล็กใหม่ชุดของตัวแปร ส่วนประกอบหลัก ซึ่ง uncorrelated และจึงตัดสินใจเดินทางไปไม่กี่หลักส่วนประกอบ ( ชิ้น ) รักษามากที่สุดของรูปแบบปัจจุบันในตัวแปรเดิมการศึกษาวิเคราะห์ตัวอย่างดิน เสร็จแล้วไปจึงและขั้นตอนในตัวอย่าง แรก , ซิลิกาออกจากตัวอย่างต่อไปนี้เล็กน้อยจึงเอ็ดขั้นตอนสมัครงาน