The principal components (PCs) can

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 (Fig. 2). PLS-DA is a projection method
that separates groups of observations by rotating the PCAs so that a
maximum separation among classes, i.e., geographical origin, is
obtained. As shown in Fig. 2B, good separation in the score plot of

ผลลัพธ์ (ไทย) 1:

สามารถแสดงส่วนประกอบหลัก (PCs)ลงจุดภาพเป็นคะแนน ส่วนประกอบแรกของสมาคมอธิบายประมาณ 29.1% การเปลี่ยนแปลง และที่สองส่วนประกอบอธิบาย% 14.1 สาการเพิ่มเติมของการเปลี่ยนแปลง ถึงแม้ว่าส่วนสองแก้ไขส่วนกำหนดค่าการวัดองค์ประกอบของตัวอย่างปลูกในฟิลิปปินส์และภูมิภาคอื่น ๆ PCA สามารถไม่แยกระหว่างตัวอย่างข้าวที่ปลูกในประเทศจีนและเกาหลีดังนั้น ทำดากรุณาออกเพื่อแยกจนได้กับรุ่น PCA (Fig. 2) กรุณาดาเป็นการฉายภาพที่แยกกลุ่มสังเกตการณ์ โดยหมุน PCAs ให้การแยกสูงสุดระหว่างเรียน เช่น ภูมิศาสตร์กำเนิด เป็นรับ ตามที่แสดงใน Fig. 2B เยาวชนดีพล็อตคะแนนของ

ผลลัพธ์ (ไทย) 2:

ส่วนประกอบหลัก (พีซี)
สามารถนำเสนอภาพกราฟิกเป็นพล็อตคะแนน องค์ประกอบแรกของ PCA
อธิบายโดยประมาณ 29.1%
ของการเปลี่ยนแปลงและที่สององค์ประกอบอธิบายเพิ่มอีก14.1% ของการเปลี่ยนแปลง แม้ว่าทั้งสองส่วนการแก้ไขโปรไฟล์องค์ประกอบวัดตัวอย่างที่ปลูกในประเทศฟิลิปปินส์และภูมิภาคอื่นๆ PCA จะไม่เห็นความแตกต่างระหว่างกลุ่มตัวอย่างข้าวที่ปลูกในเกาหลีและจีน. ดังนั้น PLS-DA ได้ดำเนินการเพื่อเพิ่มศักยภาพในการแยกยากจนที่ได้รับกับPCA รูปแบบ (รูปที่. 2) PLS-DA เป็นวิธีการฉายที่แยกกลุ่มของการสังเกตโดยการหมุนPCAS เพื่อให้แยกชั้นเรียนสูงสุดในกลุ่มคือแหล่งกำเนิดทางภูมิศาสตร์จะได้รับ ดังแสดงในรูป 2B แยกที่ดีในการพล็อตของคะแนน

ผลลัพธ์ (ไทย) 3:

ส่วนประกอบหลัก ( ชิ้น ) สามารถนำเสนอ
กราฟิกเป็นคะแนนแปลง องค์ประกอบแรกของ PCA
อธิบายประมาณ 29.1 เปอร์เซ็นต์ของรูปแบบและองค์ประกอบที่สอง
อธิบายเพิ่มเติม 14.1 % ของการแปรผัน แม้ว่า
สององค์ประกอบแก้ไขวัดองค์ประกอบโปรไฟล์ของ
ตัวอย่างที่ปลูกในฟิลิปปินส์ และภูมิภาคอื่น ๆ , PCA ได้
ไม่แยกความแตกต่างระหว่างตัวอย่างข้าวที่ปลูกในเกาหลีและจีน pls-da
จึงได้ดำเนินการปรับปรุงจนแยกได้
กับ PCA แบบ ( รูปที่ 2 ) pls-da เป็นโปรเจคกลุ่มแยกวิธี
ที่สังเกตโดยการหมุน pcas ให้
สูงสุดแยกในชั้นเรียน เช่น ภูมิศาสตร์ ที่มา ,
) ดังแสดงในรูปที่ 2B แยกในคะแนนแปลงดี