《表2 VIP数据表：气象因子对植被指数影响的偏最小二乘分析》
提示：宽带有限、当前游客访问压缩模式
据式（5）计算得各自变量VIP，如表2所示。
| 图表编号 | XD00197200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.20 |
| 作者 | 张亚利、李爱心、高攀 |
| 绘制单位 | 重庆大学土木工程学院、重庆大学土木工程学院、重庆大学土木工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 气象因子与功率之间的偏相关系数》2020.09.15
- 《表2 PM2.5消减率与气象因子的偏相关分析结果》2020.09.30
- 《表3 不同预处理方式建立的偏最小二乘回归模型结果》2020.03.15
- 《表2 非农就业对农地转出决策的影响（普通最小二乘回归）》2020.09.15
- 《表2 掺假样品特征波长建立的偏最小二乘模型预测结果》2020.02.15
- 《表4 水质指标的偏最小二乘模型》2019.11.25
- 《表4 建立的偏最小二乘回归方程假设检验结果》2019.10.01
- 《表3 基于偏最小二乘分析提取的职业满意度影响因素及第一主成分因子载荷》2019.06.05
- 《表4 基于偏最小二乘分析的职业满意度影响因素在两个主成分上的VIP》2019.06.05
- 《表2 实验结果比较：基于特征相关的偏最小二乘特征选择方法》2019.04.01
- 《表1 数据集信息：基于特征相关的偏最小二乘特征选择方法》2019.04.01
- 《表4 基于最佳植被指数与环境因子的LAI定量反演模型及各因子对叶面积指数的影响程度》2019.06.01
- 《表4 不同区域苹果林产量、蒸散量和水分生产力与影响因子的偏最小二乘 (PLS) 回归结果》2019.02.01
- 《表4 CoMSIA模型的偏最小二乘结果》2019.01.15
- 《表4 CoMSIA模型的偏最小二乘结果》2019.01.15
- 《表3 CoMFA模型的偏最小二乘结果》2019.01.15
- 《表4 小麦生物量遥感估算的偏最小二乘回归模型Tab.4 The PLS models of wheat biomass monitoring by remote sensing》2019.01.30
- 《表2 UCI数据集描述：融合softmax的偏最小二乘法及中药数据分析研究》2019.12.01
- 《表2 族群多样性对省内财政分权的影响（两阶段最小二乘估计）》2019.10.05
- 《表1 成分解释能力：气象因子对植被指数影响的偏最小二乘分析》2019.12.20