We adopted a proportional stratifie

We adopted a proportional stratified random sampling design to
select samples into estimation and validation datasets, where
k-means clusters served as individual strata for sample selection.
Sample 95% confidence ellipses fit to each of these two selected
samples showed that estimation and validation datasets covered
approximately equal regions of the dimensionally reduced data space.
The similarity between estimation and validation datasets guaranteed
that statistical measures of model prediction accuracy obtained from
validation datasets would not be adversely affected by extrapolation
errors. Stratified random sampling also ensured that both samples
were uniformly dispersed across all regions of the PC (synthetic X)
space. MRPP results indicated no statistical difference (A=−0.003,
pN0.999) between estimation and validation datasets with respect to
the original 45 LiDAR canopy height and density metrics.

ผลลัพธ์ (ไทย) 1:

เรานำแบบสุ่มตัวอย่างแบบสุ่ม stratified สัดส่วนการ
เลือกตัวอย่างในการประเมินและตรวจสอบ datasets ที่
k-หมายถึง กลุ่มที่เป็นแต่ละชั้นสำหรับการเลือกตัวอย่าง
รูปวงรีความเชื่อมั่น 95% ของตัวอย่างที่พอดีกับของสองเลือก
ตัวอย่างพบว่า datasets ประเมินและตรวจสอบครอบคลุม
ประมาณเท่ากับขอบเขตของพื้นที่ลดมิติข้อมูล
ความคล้ายคลึงกันระหว่างการประเมินและตรวจสอบ datasets รับประกัน
ว่า มาตรการทางสถิติของแบบจำลองพยากรณ์แม่นยำได้จาก
datasets ตรวจสอบจะไม่มีผลกระทบ โดย extrapolation
ข้อผิดพลาด Stratified สุ่มการสุ่มตัวอย่างยังมั่นใจที่ตัวอย่างทั้งสอง
สม่ำเสมอเมื่อเทียบเคียงได้กระจายทั่วทุกภูมิภาคของ PC (สังเคราะห์ X)
พื้นที่ ผลลัพธ์ MRPP ระบุไม่แตกต่างทางสถิติ (A = −0.003,
pN0.999) ระหว่าง datasets ประเมินและตรวจสอบกับ respect การ
เดิม 45 LiDAR ฝาครอบความสูงและความหนาแน่นวัด

ผลลัพธ์ (ไทย) 2:

เรานำมาใช้ในการออกแบบการสุ่มตัวอย่างแบบแบ่งชั้นตามสัดส่วนที่จะ
เลือกกลุ่มตัวอย่างในการประเมินและการตรวจสอบชุดข้อมูลที่
k-หมายถึงกลุ่มที่ทำหน้าที่เป็นชั้นส่วนบุคคลสำหรับการเลือกตัวอย่าง
ตัวอย่าง 95% วงรีความเชื่อมั่นสอดคล้องกันของทั้งสองเลือก
ตัวอย่างแสดงให้เห็นว่าการประเมินและการตรวจสอบชุดข้อมูลที่ครอบคลุม
พื้นที่เท่ากันโดยประมาณของพื้นที่ข้อมูลลดมิติ
ความคล้ายคลึงกันระหว่างการประเมินและการตรวจสอบชุดข้อมูลรับประกัน
ว่ามาตรการทางสถิติของความถูกต้องทำนายแบบจำลองที่ได้จาก
ชุดข้อมูลการตรวจสอบจะไม่ได้รับผลกระทบจากการคาดการณ์
ผิดพลาด สุ่มแบบแบ่งชั้นยังทำให้มั่นใจได้ว่ากลุ่มตัวอย่างทั้งสอง
ก็แยกย้ายกันสม่ำเสมอในทุกภูมิภาคของเครื่องคอมพิวเตอร์ (สังเคราะห์ X)
พื้นที่ ผล mrpp ชี้ให้เห็นไม่แตกต่างกันทางสถิติ (= -0.003,
pN0.999) ระหว่างการประเมินและการตรวจสอบชุดข้อมูลที่เกี่ยวกับ
เดิม 45 LiDAR ตัวชี้วัดความสูงของหลังคาและความหนาแน่น

ผลลัพธ์ (ไทย) 3:

เรารับการสุ่มแบบแบ่งการออกแบบ

เลือกตัวอย่างในการประมาณค่าและการทดสอบข้อมูลที่
k-means กลุ่มทำหน้าที่เป็นชั้นแต่ละคนเลือกตัวอย่าง
ตัวอย่างความเชื่อมั่น 95% วงรีเหมาะกับแต่ละเหล่านี้สองตัวอย่าง พบว่า การประมาณค่าและเลือก

ประมาณเท่ากับการตรวจสอบข้อมูลที่ครอบคลุมขอบเขตของมิติลดลง
ข้อมูลพื้นที่ความคล้ายคลึงกันระหว่างการประมาณค่าและการทดสอบข้อมูลรับประกัน
ที่มาตรการทางสถิติรูปแบบความถูกต้องของการทำนายที่ได้จากการตรวจสอบข้อมูล
จะไม่ได้รับผลกระทบจากการคาดเดาจาก
ข้อผิดพลาด การสุ่มแบบแบ่งชั้นก็มั่นใจว่าทั้งสองตัวอย่าง
เป็นจุดกระจายอยู่ทั่วทุกภูมิภาคของ PC ( สังเคราะห์ X )
พื้นที่mrpp มีค่าไม่แตกต่างกันทางสถิติ ( = − 0.003 ,
pn0.999 ) ระหว่างการประมาณค่าและการทดสอบข้อมูลด้วยความเคารพ
เดิม 45 LIDAR ทรงพุ่มสูงและความหนาแน่นของมาตรวัด