PCA is an exploratory technique whi

PCA is an exploratory technique which reduces the multidimensional
data set (70 blossom volatiles) to lower dimensions or principal
components which are comprised of linear combinations of
variables (individual volatiles). This helps identify inherent patterns
in the data in an unbiased way and highlights the similarities
and differences amongst samples (citrus cultivars). It also helps
identify those volatiles which are most differentiating within the
entire data set.

ผลลัพธ์ (ไทย) 1:

PCA เป็นเทคนิคการเชิงบุกเบิกซึ่งลดการหลายชุดข้อมูล (70 ดอก volatiles) เพื่อลดขนาดหรือหลักส่วนประกอบที่ประกอบด้วยการรวมกันเชิงเส้นตัวแปร (แต่ละ volatiles) นี้ช่วยระบุรูปแบบโดยธรรมชาติข้อมูลในทางที่คนและจุดเด่นที่ความเหมือนและความแตกต่างท่ามกลางตัวอย่าง (ส้มพันธุ์) นอกจากนี้ยังช่วยระบุ volatiles ผู้ซึ่งมีความแตกต่างมากที่สุดในการชุดข้อมูลทั้งหมด

ผลลัพธ์ (ไทย) 2:

PCA เป็นเทคนิคการสำรวจซึ่งจะช่วยลดหลายมิติ
ชุดข้อมูล (70 สารระเหยดอก) เพื่อลดขนาดหรือเงินต้น
ส่วนประกอบซึ่งจะประกอบด้วยการรวมเชิงเส้นของ
ตัวแปร (สารระเหยบุคคล) นี้จะช่วยให้ระบุรูปแบบธรรมชาติที่มีอยู่
ในข้อมูลในวิธีการที่เป็นกลางและไฮไลท์ความคล้ายคลึง
และความแตกต่างในหมู่ตัวอย่าง (พันธุ์ส้ม) นอกจากนี้ยังช่วย
ในการระบุสารระเหยเหล่านั้นซึ่งมีความแตกต่างมากที่สุดใน
ชุดข้อมูลทั้งหมด

ผลลัพธ์ (ไทย) 3:

PCA เป็นเครื่องมือเทคนิคที่ช่วยลดข้อมูลหลายมิติ
ชุด ( 70 ดอกสารระเหย ) เพื่อลดขนาดหรือส่วนประกอบหลัก
ซึ่งจะประกอบด้วยชุดของตัวแปรเชิง
( สารระเหยแต่ละบุคคล ) นี้จะช่วยให้ระบุรูปแบบโดยธรรมชาติ
ในข้อมูลในลักษณะที่เป็นกลางและไฮไลท์ความคล้ายคลึงและความแตกต่างระหว่างตัวอย่าง
( พันธุ์ส้ม ) นอกจากนี้ยังช่วย
ระบุผู้ที่เป็นสารระเหยมากที่สุดทั้งภายใน

ทั้งชุดข้อมูล