or each participant. Using these da

or each participant. Using these data the probabilities of every possible pair of images being grouped together were calculated. The groups of images consistently reported by the participants were identified using a principle components analysis (PCA) of the probabilities associated with each pairing (N=2,346). PCA was used as a data reduction technique to generate variables (components) explaining variance in the probability of images being grouped together (affinity). To ease interpretation, theresults were limited to the first two components and graphed. Figure 1 displays the final scatter plot graph of each image using the values of the first two components (factor loadings) as measures of affinity.

ผลลัพธ์ (ไทย) 1:

หรือผู้เรียนแต่ละ ใช้ข้อมูลเหล่านี้ได้คำนวณกิจกรรมของทุก ๆ คู่ได้ภาพที่ถูกจัดกลุ่มเข้าด้วยกัน กลุ่มภาพที่มีรายงานอย่างสม่ำเสมอ โดยผู้เข้าร่วมที่ระบุโดยใช้การวิเคราะห์ส่วนประกอบหลัก (PCA) ของกิจกรรมที่เกี่ยวข้องกับแต่ละ (N = 2, 346) จับคู่ มีใช้ PCA เป็นเทคนิคการลดข้อมูลเพื่อสร้างตัวแปร (ส่วนประกอบ) อธิบายความแปรปรวนในความน่าเป็นภาพการจัดกลุ่มเข้าด้วยกัน (ความสัมพันธ์) ให้ตีความ theresults ถูกจำกัดคอมโพเนนต์ที่สอง และใช้สร้างกราฟ รูปที่ 1 แสดงกราฟพล็อตกระจายสุดท้ายของแต่ละภาพที่ใช้ค่าของคอมโพเนนต์สอง (ปัจจัย loadings) เป็นมาตรการของความสัมพันธ์

ผลลัพธ์ (ไทย) 2:

หรือเข้าร่วมแต่ละคน การใช้ข้อมูลเหล่านี้น่าจะเป็นของทุกคู่ที่เป็นไปได้ของภาพที่ได้รับการรวมกลุ่มกันจะถูกคำนวณ กลุ่มของภาพที่รายงานโดยผู้เข้าร่วมอย่างต่อเนื่องถูกระบุโดยใช้การวิเคราะห์องค์ประกอบหลักการ (PCA) ของความน่าจะเกี่ยวข้องกับการจับคู่แต่ละ (ยังไม่มี = 2346) PCA ถูกนำมาใช้เป็นเทคนิคการลดข้อมูลเพื่อสร้างตัวแปร (ส่วนประกอบ) อธิบายความแปรปรวนในความน่าจะเป็นภาพที่ถูกจัดกลุ่มเข้าด้วยกัน (ความสัมพันธ์) เพื่อความสะดวกในการตีความ theresults ถูก จำกัด ให้เป็นครั้งแรกที่ทั้งสองส่วนและกราฟ รูปที่ 1 แสดงกราฟพล็อตสุดท้ายของการกระจายภาพแต่ละภาพโดยใช้ค่าของสองคนแรกส่วนประกอบ (loadings ปัจจัย) เป็นมาตรการของความสัมพันธ์

ผลลัพธ์ (ไทย) 3:

หรือแต่ละผู้เข้าร่วม การใช้ข้อมูลเหล่านี้น่าจะเป็นของภาพถูกจัดกลุ่มเข้าด้วยกันได้ทุกคู่ได้ กลุ่มของภาพอย่างที่รายงานโดยผู้เข้าร่วมที่ถูกระบุโดยใช้หลักการการวิเคราะห์องค์ประกอบ ( PCA ) ของความน่าจะเป็นที่เกี่ยวข้องกับแต่ละคู่ ( n = - 2346 )จะถูกใช้เป็นเทคนิคในการสร้างข้อมูลการอธิบายความแปรปรวนในตัวแปร ( ส่วนประกอบ ) ความน่าจะเป็นของภาพถูกจัดกลุ่มเข้าด้วยกัน ( ต่อ ) เพื่อความสะดวกในการตีความ และจำนวน จำกัด เพียงสององค์ประกอบแรกและกราฟ .รูปที่ 1 แสดงสุดท้ายกระจายพล็อตกราฟของแต่ละภาพใช้ค่าของทั้งสองส่วนแรก ( ครอบคลุมปัจจัย ) เป็นมาตรการของ 6
.