首页> 外文OA文献 >Figure 3: Principal Components Analysis (PCA) of the variable contributions for all species models and variables summarized into two main components.

【2h】

Figure 3: Principal Components Analysis (PCA) of the variable contributions for all species models and variables summarized into two main components.

机译：图3：所有物种模型的可变贡献的主要成分分析（PCA）汇总到两个主要组件中的变量。

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者

展开▼
作者单位

展开▼
年度 -1
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. 地黄中微量元素的主要成分分析和聚类分析 [J] . 申明金, 陈丽, 曹洪斌农业科学与技术（英文版） . 2013,第012期
2. A Principal Component Analysis (PCA)-based framework for automated variable selection in geodemographic classification [J] . Yunzhe Liu, Alex Singleton, Daniel Arribas-Bel Geo-spatial information science . 2019,第4期

机译：基于主成分分析（PCA）的地理人口统计分类中自动变量选择的框架
3. A Principal Component Analysis (PCA)-based framework for automated variable selection in geodemographic classification [J] . Yunzhe Liu, Alex Singleton, Daniel Arribas-Bel 地球空间信息科学学报（英文版） . 2019,第004期

机译：基于主成分分析（PCA）的地理人口统计分类中自动变量选择的框架
4. Studying the effect of elevation and edaphic variables on vegetation composition in Khezrabad rangelands using principal component analysis (PCA) [J] . Ruhollah TAGHIZADEH MEHRJARDI, Ali AKBARZADEH, Mehdi BINIYAZ, Universitatea din Oradea. Analele. Fascicula Biologie . 2009,第2期

机译：使用主成分分析（PCA）研究海拔和深水变量对赫兹拉巴德牧场的植被组成的影响
5. Cartographic Delineations Using Variables Selected by Principal Component Analysis (PCA) and Semivariograms, and Map Validation by Continuous Classification [C] . Laureano J. Rangel L., Manuel A. Henriquez R. International symposium on spatial accuracy assessment in natural resources and environmental science . 2000

机译：使用主成分分析（PCA）和半啮盘函数选择的变量的制图描绘，并通过连续分类来映射验证
6. Using principal component analysis (PCA) to obtain auxiliary variables for missing data in large data sets. [D] . Howard, Waylon J. 2012

机译：使用主成分分析（PCA）获得大数据集中缺失数据的辅助变量。
7. Decomposing the heterogeneity of depression at the person- symptom- and time-level: latent variable models versus multimode principal component analysis [O] . Stijn de Vos, Klaas J. Wardenaar, Elisabeth H. Bos, 2015

机译：在人症状和时间级别分解抑郁症的异质性：潜变量模型与多模式主成分分析
8. Figure 5: Result of principal component analysis (PCA) showing the relationship between 15 environmental variables and quadrants (A) and PCA scores of 5-minute sub-transects (B) on PC axis 1 and PC axis 3. [O] . -1

机译：图5：主成分分析（PCA）的结果，显示了PC轴1和PC轴3上的15个环境变量和象限（A）和PCA分数的15分钟（B）之间的关系。

Figure 3: Principal Components Analysis (PCA) of the variable contributions for all species models and variables summarized into two main components.

著录项

引文网络

相似文献

相关主题

期刊订阅