PLS-DA is a regression technique wh

PLS-DA is a regression technique which maximizes the separation
between pre-defined classes. The aim is to predict the values of
a group of variables X (dependent variables) from a set of variables
Y (explanatory variables). In our case, Y represents quantitative
variables with “band volume” (surface of the band in pixel multiplied
by the intensity level of each pixel of the band value measured
by ImageQuant TL software) and X represents qualitative variables,
that is to say the type of farming (organic, conventional or sustainable).
In our study, binary classification models were developed
(for example 1 for organic and 0 for conventional) and the
belonging to one of the classes was predicted by PLS-DA according
“bacterial band intensity” value. To optimize the number of PLS-DA
latent components (LV), the percentage of correct classifications
(sensitivity and specificity) obtained was validated.

ผลลัพธ์ (ไทย) 1:

กรุณาดาเป็นเทคนิคการถดถอยที่วางแยกระหว่างเรียนที่กำหนดไว้ล่วงหน้า จุดมุ่งหมายคือการ ทำนายค่าของกลุ่มของตัวแปร X (ขึ้นอยู่กับตัวแปร) จากชุดของตัวแปรY (ตัวแปรอธิบาย) ในกรณี Y แทนปริมาณตัวแปร ด้วย "เสียงดนตรี" (พื้นผิวของวงในพิกเซลคูณโดยความรุนแรง ระดับของแต่ละพิกเซลของค่าแถบวัดโดยที่ซอฟต์แวร์ ImageQuant TL) และ X แทนตัวแปรเชิงคุณภาพที่จะบอกชนิดของการทำการเกษตร (เกษตรอินทรีย์ ปกติ หรืออย่างยั่งยืน)ในการศึกษาของเรา แบบจำลองประเภทไบนารีได้รับการพัฒนา(ตัวอย่าง 1 อินทรีย์ และ 0 สำหรับทั่วไป) และเป็นสมาชิกของคลาถูกทำนาย โดยดากรุณาตามค่า "วงแบคทีเรียความเข้ม" เพื่อเพิ่มประสิทธิภาพของกรุณาดาแฝงอยู่ส่วนประกอบ (LV), เปอร์เซ็นต์ของการจัดประเภทที่ถูกต้อง(ความไวและ specificity) ได้ถูกตรวจสอบ

ผลลัพธ์ (ไทย) 2:

PLS-DA
เป็นเทคนิคการถดถอยซึ่งจะเพิ่มการแยกระหว่างเรียนที่กำหนดไว้ล่วงหน้า จุดมุ่งหมายคือการคาดการณ์ค่าของกลุ่มของตัวแปร X (ตัวแปรตาม) จากชุดของตัวแปร Y (ตัวแปรอธิบาย) ในกรณีของเรา Y แสดงให้เห็นถึงปริมาณตัวแปรที่มี"ปริมาณวง" (พื้นผิวของวงพิกเซลคูณตามระดับความรุนแรงของพิกเซลของแต่ละค่าวงวัดโดยImageQuant TL ซอฟต์แวร์) และ X แสดงถึงตัวแปรเชิงคุณภาพกล่าวคือประเภทของการทำฟาร์ม (อินทรีย์ธรรมดาหรืออย่างยั่งยืน.) ในการศึกษาของเรารุ่นจำแนกไบนารีได้รับการพัฒนา(เช่น 1 สำหรับอินทรีย์และ 0 ธรรมดา) และที่เป็นหนึ่งในชั้นเรียนได้รับการคาดการณ์โดย PLS-DA ตาม "ความเข้มวงแบคทีเรีย" มูลค่า เพื่อเพิ่มประสิทธิภาพจำนวน PLS-อัยการส่วนประกอบแฝง(LV) ร้อยละของการจำแนกประเภทที่ถูกต้อง(ไวและความจำเพาะ) ได้ถูกตรวจสอบ

ผลลัพธ์ (ไทย) 3:

pls-da เป็นเทคนิคถดถอยซึ่งจะเพิ่มการแยก
ระหว่างเรียนที่กำหนดไว้ล่วงหน้า มีจุดมุ่งหมายเพื่อพยากรณ์ค่าของตัวแปร x
กลุ่ม ( ตัวแปรตาม ) จากชุดของตัวแปร ( ตัวแปรอธิบาย
Y ) ในกรณีของเรา , y คือตัวแปรเชิงปริมาณ
" เสียงวงดนตรี " ( พื้นผิวของวงในพิกเซลคูณ
โดยระดับความเข้มของแต่ละพิกเซล ค่าวงดนตรีวัด
โดย imagequant TL ซอฟต์แวร์ ) และ x แทนตัวแปรเชิงคุณภาพ
คือว่าประเภทของการทำฟาร์ม ( อินทรีย์แบบยั่งยืน ) .
ในการศึกษาของเรา รูปแบบการจำแนกไบนารีถูกพัฒนา
( ตัวอย่างเช่น 1 สำหรับอินทรีย์และ 0 สำหรับปกติ ) และ
เป็นหนึ่งในชั้นเรียนที่ได้คาดการณ์ไว้ โดย pls-da ตาม
" ค่าความเข้ม " จากวง เพื่อเพิ่มจำนวน pls-da
แฝงส่วนประกอบ ( LV ) , ร้อยละของแก้ไขหมวดหมู่
( ความไวและเฉพาะเจาะจง ) ได้รับการตรวจสอบ