This alternative tool to derive a p

This alternative tool to derive a perceptual map can be considered as a
generalization of PCA for continuous data and of multiple correspondence
analysis (MCA) for categorical data in that it weights (groups of) variables
to balance their impact on the perceptual map (Escofier and Pagès 2008).
For example, if a group of taste attributes has a large contribution while
another group of texture attributes has a comparably small contribution,
multiple factor analysis (MFA) will weigh the taste attributes downward
(each taste attribute by the same amount) and the texture attributes upward
(again each by the same amount for the whole group), such that all aspects
are accounted for in the results. The final map therefore depends on how
the variables have been grouped together. MFA is implemented in the R
package FactoMineR.

Kết quả (Việt) 1:

Công cụ thay thế này để lấy bản đồ tri giác có thể được coi như là mộtTổng quát của PCA cho dữ liệu liên tục và nhiều thư từphân tích (MCA) để phân loại dữ liệu trong nó trọng lượng biến (nhóm)để cân bằng ảnh hưởng của họ trên đồ perceptual (Escofier và Pagès 2008).Ví dụ, nếu một nhóm các thuộc tính của hương vị có một đóng góp lớn trong khimột nhóm các thuộc tính kết cấu có một đóng góp nhỏ comparably,phân tích nhiều yếu tố (MFA) sẽ cân nhắc các thuộc tính vị xuống(mỗi vị thuộc tính bởi cùng một số tiền) và các thuộc tính kết cấu trở lên(một lần nữa mỗi bởi cùng một số tiền cho toàn bộ nhóm), như vậy mà tất cả các khía cạnhđang chiếm trong các kết quả. Bản đồ cuối cùng do đó phụ thuộc vàoCác biến đã được nhóm lại với nhau. MFA được thực hiện trong Rtrọn gói FactoMineR.

Kết quả (Việt) 2:

Thay thế công cụ này để lấy được một bản đồ nhận thức có thể được coi như một
sự tổng quát của PCA cho dữ liệu liên tục và nhiều thư từ
phân tích (MCA) cho dữ liệu phân loại trong đó có trọng lượng (nhóm) biến
để cân bằng ảnh hưởng của họ trên bản đồ nhận thức (Escofier và trang 2008).
Ví dụ, nếu một nhóm các thuộc tính vị có đóng góp lớn trong khi
một nhóm các thuộc tính kết cấu có một đóng góp nhỏ tương đối,
phân tích nhân tố nhiều (MFA) sẽ cân nhắc những hương vị các thuộc tính giảm
(mỗi thuộc tính hương vị của cùng một số lượng) và các kết cấu thuộc tính trở lên
(một lần nữa mỗi một khoản tương ứng cho cả nhóm), như vậy mà tất cả các khía cạnh
được hạch toán vào kết quả. Do đó, các bản đồ cuối cùng phụ thuộc vào cách
các biến đã được nhóm lại với nhau. MFA được thực hiện trong R
FactoMineR gói.