PCAis a very important tool, especi

PCA
is a very important tool, especially in the preliminary steps of a
multivariate analysis, for performing an exploratory analysis to
obtain an overview of data and find patterns in complex experimental
data. The principal components (PCs) can be presented
graphically as a score plot. The first component of the PCA
explained approximately 29.1% of the variation, and the second
component explained an additional 14.1% of the variation. Although
the two components resolved the measured composition profiles of
samples grown in the Philippines and other regions, the PCA could
not distinguish between rice samples grown in Korea and China.
Thus, PLS-DA was carried out to enhance the poor separation obtained
with the PCA model

ผลลัพธ์ (ไทย) 1:

PCAเป็นเครื่องมือที่สำคัญมาก โดยเฉพาะอย่างยิ่งในขั้นตอนเบื้องต้นของการการวิเคราะห์ตัวแปรพหุ สำหรับทำการวิเคราะห์เชิงบุกเบิกการภาพรวมของข้อมูล และการค้นหารูปแบบเชิงทดลองข้อมูล สามารถแสดงส่วนประกอบหลัก (PCs)ลงจุดภาพเป็นคะแนน ส่วนประกอบแรกของสมาคมอธิบายประมาณ 29.1% การเปลี่ยนแปลง และที่สองส่วนประกอบอธิบาย% 14.1 สาการเพิ่มเติมของการเปลี่ยนแปลง ถึงแม้ว่าส่วนสองแก้ไขส่วนกำหนดค่าการวัดองค์ประกอบของตัวอย่างปลูกในฟิลิปปินส์และภูมิภาคอื่น ๆ PCA สามารถไม่แยกระหว่างตัวอย่างข้าวที่ปลูกในประเทศจีนและเกาหลีดังนั้น ทำดากรุณาออกเพื่อแยกจนได้กับรุ่น PCA

ผลลัพธ์ (ไทย) 2:

PCA เป็นเครื่องมือที่มีความสำคัญมากโดยเฉพาะในขั้นตอนเบื้องต้นของการวิเคราะห์หลายตัวแปรสำหรับการดำเนินการสอบสวนการวิเคราะห์เพื่อให้ได้ภาพรวมของข้อมูลและหารูปแบบในการทดลองที่ซับซ้อนข้อมูล ส่วนประกอบหลัก (พีซี) สามารถนำเสนอภาพกราฟิกเป็นพล็อตคะแนน องค์ประกอบแรกของ PCA อธิบายโดยประมาณ 29.1% ของการเปลี่ยนแปลงและที่สององค์ประกอบอธิบายเพิ่มอีก14.1% ของการเปลี่ยนแปลง แม้ว่าทั้งสองส่วนการแก้ไขโปรไฟล์องค์ประกอบวัดตัวอย่างที่ปลูกในประเทศฟิลิปปินส์และภูมิภาคอื่นๆ PCA จะไม่เห็นความแตกต่างระหว่างกลุ่มตัวอย่างข้าวที่ปลูกในเกาหลีและจีน. ดังนั้น PLS-DA ได้ดำเนินการเพื่อเพิ่มศักยภาพในการแยกยากจนที่ได้รับกับPCA รูปแบบ

ผลลัพธ์ (ไทย) 3:

PCA
เป็นเครื่องมือที่สำคัญมาก โดยเฉพาะในขั้นตอนเบื้องต้นของ
การวิเคราะห์ตัวแปรหลายตัวสำหรับแสดงการวิเคราะห์เชิงสำรวจ

รับภาพรวมของข้อมูลและค้นหารูปแบบในการทดลอง
ที่ซับซ้อน ส่วนประกอบหลัก ( ชิ้น ) สามารถนำเสนอ
กราฟิกเป็นคะแนนแปลง องค์ประกอบแรกของ PCA
อธิบายประมาณ 29.1 เปอร์เซ็นต์ของการเปลี่ยนแปลงและสอง
ส่วนอธิบายเพิ่มเติม 14.1 % ของการแปรผัน แม้ว่า
สององค์ประกอบแก้ไขวัดองค์ประกอบโปรไฟล์ของ
ตัวอย่างที่ปลูกในฟิลิปปินส์ และภูมิภาคอื่น ๆ , PCA ได้
ไม่แยกแยะระหว่างตัวอย่างข้าวที่ปลูกในเกาหลีและจีน pls-da
จึงได้ดำเนินการปรับปรุงจนแยกได้
กับพีซีรุ่น