Typically, PCA is used to reduce th

Typically, PCA is used to reduce the dimensionality of a data set, while retaining as much of the original information as possible. This reduction is achieved by transforming the original set of variables into a new smaller set of variables, the principal components, which are uncorrelated and the first few principal components (PCs) retain most of the variation present in the original variables.XRD study of soil samples has been done to find the phases in the sample. First, silica is removed from the sample following a slightly modified procedure of
who used the method to avoid the matrix effect caused by silica in determination of selenium in soil samples by graphite-furnace atomic- absorption spectrometry.

ผลลัพธ์ (ไทย) 2:

โดยปกติแล้ว PCA จะใช้ในการลดมิติของชุดข้อมูลในขณะที่การรักษาเท่าของข้อมูลเดิมที่เป็นไปได้ การลดลงนี้จะทำได้โดยการเปลี่ยนชุดเดิมของตัวแปรเป็นชุดเล็กใหม่ของตัวแปรองค์ประกอบหลักซึ่งเป็น uncorrelated และสายองค์ประกอบหลักแรกไม่กี่ (พีซี) รักษาส่วนใหญ่ของการเปลี่ยนแปลงที่มีอยู่ในการศึกษาเดิม variables.XRD ของดิน ตัวอย่างที่ได้รับการทำเพื่อ fi ครั้งขั้นตอนในตัวอย่าง ครั้งแรกซิลิกาถูกลบออกจากตัวอย่างต่อไปนี้เป็นขั้นตอนที่เอ็ดสาย Modi
เล็กน้อยของผู้ที่ใช้วิธีการเพื่อหลีกเลี่ยงผลกระทบเมทริกซ์ที่เกิดจากซิลิกาในการกำหนดของซีลีเนียมในตัวอย่างดินจากกราไฟท์เตาดูดซึมspectrometry atomic-

ผลลัพธ์ (ไทย) 3:

โดยทั่วไปจะถูกใช้เพื่อลด dimensionality ของชุดข้อมูล ในขณะที่การรักษามากของข้อมูลต้นฉบับที่สุด การลดลงนี้ได้เปลี่ยนชุดเดิมของตัวแปรในขนาดเล็กใหม่ชุดของตัวแปร ส่วนประกอบหลัก ซึ่ง uncorrelated และจึงตัดสินใจเดินทางไปไม่กี่หลักส่วนประกอบ ( ชิ้น ) รักษามากที่สุดของรูปแบบปัจจุบันในตัวแปรเดิมการศึกษาวิเคราะห์ตัวอย่างดิน เสร็จแล้วไปจึงและขั้นตอนในตัวอย่าง แรก , ซิลิกาออกจากตัวอย่างต่อไปนี้เล็กน้อยจึงเอ็ด Modi ขั้นตอน
ที่ใช้วิธีการหลีกเลี่ยงเมทริกซ์ผลกระทบที่เกิดจากซิลิกาในความมุ่งมั่นของซีลีเนียมในดินโดย แกรไฟต์เตารึเปล่าอะตอม - ปาทังกา .