Principal component analysis is uti

Principal component analysis is utilized to provide an overview of the capacity to characterize vegetable oils based on gas chromatography data. By choosing the first three principal components (PC), 98.47% of the total variability is explained (PC1 = 54.76%, PC2 = 30.55%, PC3 = 13.16%) indicating that we do not lose a considerable amount of information by keeping only the first three PCs. The scores for the first three PC are plotted as a scatter diagram in Fig. 2. Generally, the stereochemical distribution of the mixtures depends on the nature of the oils. It is clear that several clusters are formed, corresponding to the five different kinds of mixture. In each cluster, the samples are dispersed from the center (six pure sesame oils) to the rim (the five kinds of pure non-sesame oil). This may be explained by the fact that similarity of samples is determined on the basis of the measure of correlation coefficient in PCA analysis, and the mixtures of specific two oils is of course highly correlated. At the same time, the dispersion direction of each cluster along PC1, PC2 and PC3 is caused by the different kinds of oils mixed with the pure sesame oil. Moreover, it seems that all clusters have the common center, and the higher level of a non-sesame oil contained in a mixed sample, the further distance of this sample from the pure sesame oil.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ส่วนประกอบหลักจะใช้เพื่อให้ภาพรวมของความสามารถที่จะกำหนดลักษณะตามข้อมูล chromatography ก๊าซน้ำมันพืช โดยการเลือกคอมโพเนนต์หลักที่สามเป็นอันดับแรก (PC), อธิบาย 98.47% ของความแปรปรวนรวม (PC1 54.76%, PC2 = 30.55%, PC3 = 13.16%) ระบุว่า เราไม่สูญเสียข้อมูลจำนวนมาก โดยการทำให้พีซีสามอันดับแรกเท่านั้น คะแนนสำหรับพีซีสามอันดับแรกจะลงจุดเป็นไดอะแกรมกระจายในรูป 2 โดยทั่วไป การกระจายที่ stereochemical ของส่วนผสมขึ้นอยู่กับลักษณะของน้ำมัน เป็นที่ชัดเจนว่า คลัสเตอร์ต่าง ๆ เกิดขึ้น ที่สอดคล้องกับห้าชนิดที่แตกต่างกันของส่วนผสม ในแต่ละคลัสเตอร์ ตัวอย่างจะกระจายจากศูนย์กลาง (น้ำมันงาบริสุทธิ์หก) ไปริม (ห้าชนิดน้ำมันงาไม่บริสุทธิ์) นี้อาจจะอธิบายความจริงที่ว่า ความคล้ายคลึงกันอย่างจะถูกกำหนดบนพื้นฐานของการวัดสัมประสิทธิ์สหสัมพันธ์ในการวิเคราะห์ PCA และส่วนผสมของน้ำมันสองเฉพาะของหลักสูตรมีความสัมพันธ์สูง ในเวลาเดียวกัน ทิศทางการกระจายของแต่ละคลัสเตอร์ไป ตาม PC1, PC2 PC3 เกิดจากชนิดของน้ำมันที่ผสมกับน้ำมันงาบริสุทธิ์ นอกจากนี้ มันดูเหมือนว่า คลัสเตอร์ทั้งหมดมีศูนย์ทั่วไป และระดับที่สูงขึ้นของน้ำมันงาไม่ใช่ที่อยู่ในตัวอย่างแบบผสม ระยะทางเพิ่มเติมอย่างนี้จากน้ำมันงาบริสุทธิ์

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์องค์ประกอบหลักถูกนำมาใช้เพื่อให้ภาพรวมของความสามารถในการอธิบายลักษณะของน้ำมันพืชบนพื้นฐานของข้อมูลแก๊ส chromatography โดยการเลือกครั้งแรกที่สามองค์ประกอบหลัก (PC) 98.47% ของความแปรปรวนทั้งหมดจะมีการอธิบาย (PC1 = 54.76% PC2 = 30.55% PC3 = 13.16%) แสดงให้เห็นว่าเราไม่ได้สูญเสียจำนวนมากของข้อมูลโดยการรักษาเฉพาะ สามพีซีครั้งแรก คะแนนสำหรับสามเครื่องแรกที่มีการวางแผนเป็นแผนภาพกระจายในรูป 2. โดยทั่วไปการกระจายมิติของการผสมขึ้นอยู่กับลักษณะของน้ำมันที่ เป็นที่ชัดเจนว่ากลุ่มหลายรูปแบบที่สอดคล้องกับห้าชนิดที่แตกต่างกันของส่วนผสม ในแต่ละกลุ่มตัวอย่างที่มีการแพร่ระบาดจากศูนย์ (หกน้ำมันงาบริสุทธิ์) ไปที่ขอบ (ห้าชนิดที่ไม่ใช่น้ำมันงาบริสุทธิ์) นี้อาจจะอธิบายได้ด้วยความจริงที่ว่ามีความคล้ายคลึงกันของกลุ่มตัวอย่างจะถูกกำหนดบนพื้นฐานของตัวชี้วัดของค่าสัมประสิทธิ์สหสัมพันธ์ในการวิเคราะห์ PCA และส่วนผสมของน้ำมันทั้งสองที่เฉพาะเจาะจงเป็นหลักสูตรความสัมพันธ์อย่างมาก ในขณะเดียวกันทิศทางการกระจายตัวของแต่ละคลัสเตอร์พร้อม PC1, PC2 และ PC3 เกิดจากการที่แตกต่างกันของน้ำมันผสมกับน้ำมันงาบริสุทธิ์ นอกจากนี้ดูเหมือนว่ากลุ่มทุกคนมีศูนย์รวมและระดับที่สูงขึ้นของน้ำมันงาที่ไม่ได้มีอยู่ในตัวอย่างผสมระยะต่อไปของตัวอย่างนี้จากน้ำมันงาบริสุทธิ์

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์องค์ประกอบหลัก คือ ใช้เพื่อให้ภาพรวมของความสามารถในลักษณะของน้ำมันพืชตามข้อมูลเครื่องแก๊สโครมาโตกราฟ โดยการเลือกแรกหลักสามองค์ประกอบ ( PC ) , รวมของความแปรปรวนทั้งหมดอธิบาย ( PC = 54.76 บาท pc2 = 30.55 % ด้วย = 13.16 เปอร์เซ็นต์ ) ระบุว่า เราจะไม่สูญเสียจำนวนมากของข้อมูล ด้วยการรักษาเพียงครั้งแรกสามชิ้น คะแนน 3 อันดับแรก พีซีจะวางแผนเป็น แผนภาพการกระจายในรูปที่ 2 โดยทั่วไปการกระจาย stereochemical ของผสม ขึ้นอยู่กับลักษณะของน้ำมัน เป็นที่ชัดเจนว่า กลุ่มหลายรูปแบบ ที่สอดคล้องกับห้าชนิดที่แตกต่างกันของส่วนผสม ในแต่ละกลุ่ม ตัวอย่างมีการกระจายจากศูนย์กลาง ( หกน้ำมันบริสุทธิ์งา ) ขอบ ( ห้าชนิดที่ไม่บริสุทธิ์น้ำมันงา ) นี้อาจอธิบายได้ว่า ความเหมือนของตัวอย่างที่ถูกกำหนดบนพื้นฐานของการวัดสัมประสิทธิ์สหสัมพันธ์ การวิเคราะห์ระบบ และส่วนผสมของน้ำมันที่เป็นเฉพาะสองหลักสูตรในระดับสูง . ในเวลาเดียวกัน , การกระจายทิศทางของแต่ละกลุ่มตาม PC pc2 ด้วย , และเกิดจากชนิดของน้ำมันที่ผสมกับน้ำมันงาบริสุทธิ์ . นอกจากนี้ ดูเหมือนว่าทุกกลุ่มมีศูนย์ทั่วไป และระดับที่สูงขึ้นขององค์กรที่มีอยู่ในตัวอย่างน้ำมันงาผสมไกลของตัวอย่างนี้จากบริสุทธิ์น้ำมันงา .