2.2. Principal component analysisTh

2.2. Principal component analysis
The wide variability in citrus blossom volatile composition
shown in Table 2 was unanticipated. In order to examine this large
data set without having to assign classifications ahead of time,
principal component analysis (PCA) was employed. It is an unsupervised
learning technique used to determine hidden structure
(associations) in large data sets and to determine those volatiles
which were most differentiating.

ผลลัพธ์ (ไทย) 1:

2.2. ส่วนประกอบที่หลักการวิเคราะห์สำหรับความผันผวนทั้งในองค์ประกอบที่ระเหยดอกส้มแสดงในตารางที่ 2 เป็นสภาวะ เพื่อตรวจสอบขนาดใหญ่ชุดข้อมูล โดยไม่ต้องกำหนดล่วงหน้า การจัดประเภทวิเคราะห์ส่วนประกอบหลัก (PCA) ได้ว่าจ้าง มันเป็นการ unsupervisedเรียนรู้เทคนิคที่ใช้ในการกำหนดโครงสร้างที่ซ่อนอยู่(เชื่อมโยง) ในชุดข้อมูลขนาดใหญ่ และกำหนด volatiles เหล่านั้นซึ่งมีความแตกต่างมากที่สุด

ผลลัพธ์ (ไทย) 3:

2.2 . การวิเคราะห์องค์ประกอบหลักความกว้างในดอกส้ม

องค์ประกอบระเหยแสดงดังตารางที่ 2 2008 ในการตรวจสอบนี้ขนาดใหญ่
ชุดข้อมูลโดยไม่มีการกำหนดหมวดหมู่ก่อนเวลา
การวิเคราะห์องค์ประกอบหลัก ( PCA ) ที่ใช้ มันเป็นเทคนิคที่ใช้ศึกษาเรียนรู้คนเดียว

โครงสร้างที่ซ่อนอยู่( สมาคม ) ในชุดข้อมูลที่มีขนาดใหญ่และเพื่อหาผู้ที่เป็นสารระเหยมากที่สุด

ทั้ง .