PCA [33,34] is a widely-used method

PCA [33,34] is a widely-used method to analyze spatiotemporal
variability of an environmental variable. The technique allows
reduction of initial dataset size to a few representative variables,
called principal components (PCs) and often referred to as modes of
variability, which are obtained as linear combinations of the initial
variables. These combinations are obtained such that the new
variables account for the maximum fraction of variance contained
in the original dataset. Coefficients of the linear transformation,
known as loading factors,

ผลลัพธ์ (ไทย) 1:

สมาคม [33,34] เป็นวิธีที่ใช้กันอย่างแพร่หลายเพื่อวิเคราะห์ spatiotemporalความแปรผันของตัวแปรด้านสิ่งแวดล้อม เทคนิคช่วยให้การลดขนาดชุดข้อมูลเริ่มต้นให้ตัวแปรกี่ตัวแทนเรียกว่าส่วนประกอบหลัก (PCs) และมักเรียกว่าวิธีการความแปรผัน ซึ่งได้รับเป็นชุดข้อมูลเชิงเส้นของต้นตัวแปร ชุดเหล่านี้จะได้รับเช่นที่ใหม่ตัวแปรบัญชีสำหรับเศษส่วนสูงสุดของผลต่างที่มีอยู่ในชุดข้อมูลเดิม สัมประสิทธิ์ของการแปลงเชิงเส้นเป็นปัจจัย โหลด

ผลลัพธ์ (ไทย) 2:

PCA [33,34] เป็นวิธีที่ใช้กันอย่างแพร่หลายในการวิเคราะห์ spatiotemporal
ความแปรปรวนของตัวแปรด้านสิ่งแวดล้อม เทคนิคที่จะช่วยให้
การลดลงของขนาดชุดเริ่มต้นกับตัวแปรที่เป็นตัวแทนไม่กี่
เรียกว่าองค์ประกอบหลัก (PC) และมักจะหมายถึงรูปแบบของการ
แปรปรวนซึ่งจะได้รับเป็นชุดเชิงเส้นของการเริ่มต้น
ตัวแปร ผสมเหล่านี้จะได้รับดังกล่าวที่ใหม่
ตัวแปรบัญชีสำหรับส่วนสูงสุดของความแปรปรวนที่มีอยู่
ในชุดเดิม ค่าสัมประสิทธิ์ของการเปลี่ยนแปลงเชิงเส้น
ที่รู้จักในฐานะปัจจัยการโหลด

ผลลัพธ์ (ไทย) 3:

PCA [ 33,34 ] คือ ใช้วิธีวิเคราะห์ความแปรปรวน spatiotemporal
ของตัวแปรสิ่งแวดล้อม เทคนิคช่วยลดขนาดข้อมูล
เริ่มต้นเป็นตัวแทนตัวแปรน้อย
เรียกส่วนประกอบหลัก ( ชิ้น ) และมักจะเรียกว่าโหมด
แปรปรวนซึ่งจะได้รับเป็นชุดเชิงเส้นของตัวแปรต้น

ชุดเหล่านี้จะได้รับเช่นที่ใหม่
ตัวแปรที่บัญชีสำหรับเศษส่วนของความแปรปรวนสูงสุดที่มีอยู่
ในข้อมูลต้นฉบับ สัมประสิทธิ์ของการแปลงเชิงเส้น ,
เรียกว่าโหลดปัจจัย