Principal Component Analysis (PCA)

Principal Component Analysis (PCA) was applied as an exploratory
tool of data structure (Vandeginste et al.,1997). This statistical
multivariate technique is, usually, the first step in data exploration:
PCA defines new variables, consisting of linear combinations of the
original ones, in such a way that the first axis is in the direction
containing most variation. Every subsequent new variable (principal
component) is orthogonal to the previous one, but again in the
direction containing most of the remaining variance

ผลลัพธ์ (ไทย) 1:

ใช้การวิเคราะห์ส่วนประกอบหลัก (PCA) เป็นการสำรวจเครื่องมือของโครงสร้างข้อมูล (Vandeginste et al. 1997) สถิตินี้ตัวแปรพหุเทคนิคคือ มักจะ ขั้นตอนแรกสำรวจข้อมูล:PCA กำหนดตัวแปรใหม่ ประกอบด้วยการรวมเชิงเส้นของการคนเดิม ในลักษณะที่แกนแรกเป็นในทิศทางที่ประกอบด้วยความผันแปรมากที่สุด ทุกแปรใหม่ตามมา (หลักส่วนประกอบ) เป็นมุมฉากก่อนหน้า แต่อีกในการทิศทางของผลต่างคงเหลือที่ประกอบด้วย

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์องค์ประกอบหลัก (PCA) ถูกนำมาใช้เป็นสำรวจ
เครื่องมือของโครงสร้างข้อมูล (Vandeginste et al., 1997) นี้สถิติ
เทคนิคหลายตัวแปรคือมักจะเป็นขั้นตอนแรกในการสำรวจข้อมูล:
PCA กำหนดตัวแปรใหม่ที่ประกอบด้วยผลรวมเชิงเส้นของ
คนเดิมในลักษณะที่แกนแรกคือในทิศทางที่
มีการเปลี่ยนแปลงมากที่สุด ทุกตัวแปรใหม่ที่ตามมา (เงินต้น
Component) เป็นฉากกับก่อนหน้านี้หนึ่ง แต่อีกครั้งใน
ทิศทางที่มีมากที่สุดของความแปรปรวนที่เหลือ

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์องค์ประกอบหลัก ( PCA ) ถูกใช้เป็นเครื่องมือเครื่องมือของโครงสร้างข้อมูล ( vandeginste et al . , 1997 ) นี้สถิติเทคนิคการวิเคราะห์ตัวแปรหลายตัวคือ โดยปกติขั้นตอนแรกในการสำรวจข้อมูลวิธีกำหนดตัวแปรใหม่ ประกอบด้วยชุดเชิงเส้นของต้นฉบับภาพ ในลักษณะที่แกนแรกอยู่ในทิศทางที่มีการเปลี่ยนแปลงมากที่สุด ทุกตัวแปรใหม่ที่ตามมา ( ผอ.ส่วนประกอบ ) ตั้งฉากกับหนึ่งก่อนหน้านี้ , แต่อีกครั้งในทิศทางที่มีมากที่สุดของความแปรปรวน ที่เหลือ