The multivariate data analysis soft

The multivariate data analysis software The Unscrambler v.9.8 (Camo, Oslo, Norway) was used to perform the statistical analysis. Mangosteen samples were divided into calibration (n = 81, which represented 60% of the whole sample set) and prediction (n = 54) sets. Both sets covered identical variations and uniform distribution of the predictor values (Table 1). Partial least squares regression (PLSR) models were built for each predictor variable with the calibration set. The optimal number of PLSR factors which leads to the lowest standard error of cross validation (SECV) was determined by full cross validation with the calibration sample. The performance of the models was validated on the prediction set by comparison of the measured values and model estimated values. The statistics for assessment of performance consisted of the correlation coefficient of prediction (rp) and the root mean square error of prediction (RMSEP)

ผลลัพธ์ (ไทย) 1:

ของข้อมูลตัวแปรพหุการวิเคราะห์ซอฟต์แวร์ Unscrambler ที่ v.9.8 (Camo ออสโล นอร์เวย์) ถูกใช้เพื่อทำการวิเคราะห์ทางสถิติ ตัวอย่างมังคุดถูกแบ่งออกเป็นการสอบเทียบ (n = 81 ซึ่งแสดงถึง 60% ของตัวอย่างทั้งหมด) และการคาดเดา (n = 54) ชุด ทั้งสองชุดนี้ครอบคลุมรูปแบบที่เหมือนกันและกระจายสม่ำเสมอค่าทำนาย (ตาราง 1) รุ่นสี่เหลี่ยมอย่างน้อยบางส่วนถดถอย (PLSR) ถูกสร้างขึ้นสำหรับแต่ละตัวแปร predictor มีการตั้งค่าการสอบเทียบ จำนวน PLSR ปัจจัยที่เหมาะสมซึ่งนำไปสู่ข้อผิดพลาดมาตรฐานที่ต่ำสุดของข้ามตรวจสอบ (SECV) ถูกกำหนดโดยเต็มข้ามตรวจสอบกับตัวอย่างการสอบเทียบ ประสิทธิภาพของรูปแบบการตรวจสอบในการตั้งค่า โดยการเปรียบเทียบค่าที่วัดได้และแบบประมาณค่าการคาดการณ์ สถิติสำหรับการประเมินผลการดำเนินงานที่ประกอบด้วยค่าสัมประสิทธิ์สหสัมพันธ์ของการคาดเดา (rp) และข้อผิดพลาดรากสแควร์หมายถึงการทำนาย (RMSEP)

ผลลัพธ์ (ไทย) 2:

หลายตัวแปรซอฟต์แวร์การวิเคราะห์ข้อมูลที่ Unscrambler v.9.8 (Camo, ออสโล, นอร์เวย์) ถูกนำมาใช้ในการดำเนินการวิเคราะห์ทางสถิติ ตัวอย่างมังคุดถูกแบ่งออกเป็นการสอบเทียบ (n = 81 ซึ่งเป็นตัวแทน 60% ของชุดตัวอย่างทั้งหมด) และการทำนาย (n = 54) ชุด ทั้งสองชุดครอบคลุมรูปแบบที่เหมือนกันและการกระจายชุดของค่าทำนาย (ตารางที่ 1) บางส่วนน้อยถดถอยสี่เหลี่ยม (PLSR) รุ่นที่ถูกสร้างขึ้นสำหรับแต่ละตัวแปรทำนายด้วยชุดการสอบเทียบ จำนวนที่เหมาะสมของปัจจัย PLSR ซึ่งนำไปสู่ข้อผิดพลาดมาตรฐานต่ำสุดของการตรวจสอบข้าม (SECV) ถูกกำหนดโดยการตรวจสอบข้ามที่เต็มไปด้วยตัวอย่างการสอบเทียบ ประสิทธิภาพการทำงานของรุ่นที่ได้รับการตรวจสอบในการทำนายที่กำหนดโดยการเปรียบเทียบค่าที่วัดได้และรูปแบบประมาณค่า สถิติสำหรับการประเมินผลการดำเนินงานดังกล่าวประกอบด้วยค่าสัมประสิทธิ์สหสัมพันธ์ของการทำนาย (RP) และรากหมายถึงข้อผิดพลาดของการทำนายตาราง (RMSEP)

ผลลัพธ์ (ไทย) 3:

มีหลายตัวแปรการวิเคราะห์ข้อมูลซอฟต์แวร์ v.9.8 unscrambler ( Camo , ออสโล , นอร์เวย์ ) ถูกใช้เพื่อทำการวิเคราะห์ทางสถิติ ตัวอย่างมังคุดแบ่งออกเป็นการสอบเทียบ ( n = 81 ซึ่งแสดง 60 % ของตัวอย่างการตั้งค่าทั้งหมด ) และการทำนาย ( n = 54 ) ชุด ครอบคลุมทั้งชุดรูปแบบเหมือนกัน และการแจกแจงของตัวแปรค่า ( ตารางที่ 1 ) การถดถอยกำลังสองน้อยที่สุด ( plsr ) รุ่นที่ถูกสร้างขึ้นสำหรับแต่ละตัวแปรทำนายที่มีการตั้งค่า จำนวนสูงสุดของ plsr ปัจจัยที่นำไปสู่ค่าความคลาดเคลื่อนมาตรฐานของข้ามการตรวจสอบ ( secv ) ถูกกำหนดโดยการตรวจสอบข้ามที่เต็มไปด้วยการตัวอย่าง ประสิทธิภาพของแบบจำลองทำนายในการทำนายที่ตั้งโดยการเปรียบเทียบค่าวัดและแบบประมาณค่า สถิติที่ใช้ในการประเมินสมรรถนะ จำนวนสัมประสิทธิ์สหสัมพันธ์การพยากรณ์ ( RP ) และรากของค่าเฉลี่ยความคลาดเคลื่อนกำลังสองของการพยากรณ์ ( rmsep )