The principal component analysis(PC

The principal component analysis(PCA)is presented in Fig.4.The first two principal components explained 100% of the variability.What is more, the PC-1 axis is the most important principal
component explaining 96.3% variability of the experiment. This statistical result could be attributed to the effect of storage time. As consequence,the vectors of each variable studied in this experiment had a high magnitude in the PC-1.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ส่วนประกอบหลัก (PCA) จะแสดงส่วนประกอบหลักที่สอง Fig.4.The อธิบาย 100% ความแปรผันมีอะไรเพิ่มเติม แกน PC 1 เป็นหลักสำคัญส่วนประกอบที่ใช้อธิบายความแปรผัน 96.3% ของการทดลอง ผลทางสถิตินี้อาจเกิดจากผลของการเก็บ เป็นสัจจะ เวกเตอร์ของแต่ละตัวแปรที่ศึกษาในการทดลองนี้มีขนาดสูงใน PC-1

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์องค์ประกอบหลัก (PCA) จะนำเสนอใน Fig.4.The แรกที่ทั้งสององค์ประกอบหลักอธิบาย 100% ของ variability.What มีมากขึ้นแกน PC-1 เป็นหลักที่สำคัญที่สุด
ส่วนประกอบอธิบายความแปรปรวน 96.3% ของการทดลอง นี้ผลทางสถิติสามารถนำมาประกอบกับผลของระยะเวลาการจัดเก็บข้อมูล ที่เป็นผลมาเวกเตอร์ของแต่ละตัวแปรการศึกษาในการทดลองครั้งนี้มีความสำคัญสูงใน PC-1

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์องค์ประกอบหลัก ( PCA ) จะนำเสนอใน fig.4.the แรกองค์ประกอบหลักสองอธิบาย 100% ของความแปรปรวน เกิดอะไรขึ้นคือ แกน pc-1 สำคัญที่สุดหลักอธิบาย 96.3 %
ส่วนประกอบความแปรปรวนของการทดลอง ผลทางสถิตินี้อาจจะเกิดจากผลของเวลาการเก็บรักษา เป็นเวรเวกเตอร์ของตัวแปรแต่ละตัวใช้ในการทดลองนี้มีขนาดสูงใน pc-1 .