4 如何可视化进行规范相关分析(与主成分分析相比)? 典型相关分析(CCA)是与主成分分析(PCA)相关的技术。虽然使用散点图教授PCA或线性回归很容易(请参阅Google图像搜索中的几千个示例),但我还没有看到类似的直观CCA二维示例。如何从视觉上解释线性CCA的作用? 70 regression data-visualization pca canonical-correlation geometry
1 PCA,LDA,CCA和PLS PCA,LDA,CCA和PLS有何关系?它们似乎都是“谱”和线性代数,并且非常好理解(例如围绕它们建立了50多年的理论)。它们用于非常不同的事物(用于降维的PCA,用于分类的LDA,用于回归的PLS),但它们仍然感觉非常紧密。 26 pca discriminant-analysis partial-least-squares canonical-correlation
4 回归与线性判别分析(LDA)之间有什么关系? 回归和线性判别分析(LDA)之间有关系吗?它们有什么异同?如果有两个班级或两个以上班级,这有什么区别吗? 24 regression logistic discriminant-analysis canonical-correlation reduced-rank-regression
1 LDA是一种分类技术,又如何像PCA一样用作降维技术 在本文中 ,作者将线性判别分析(LDA)链接到主成分分析(PCA)。以我的有限知识,我无法理解LDA如何与PCA有点相似。 我一直认为LDA是分类算法的一种形式,类似于逻辑回归。我将对理解LDA与PCA的相似之处(即它如何降低维度)有一些帮助。 19 classification pca dimensionality-reduction discriminant-analysis canonical-correlation
2 具有秩相关的典范相关分析 典型相关分析(CCA)旨在最大化两个数据集的线性组合的通常Pearson乘积矩相关(即线性相关系数)。 现在,考虑该相关系数仅测量线性关联这一事实-这就是为什么我们也使用Spearman- 或Kendall- τ(秩)相关系数来测量之间的任意单调(不一定是线性)联系的原因。变量。ρρ\rhoττ\tau 因此,我想到了以下几点:CCA的一个局限性在于,由于其目标函数,它仅试图捕获所形成的线性组合之间的线性关联。通过最大化Spearman- 而不是Pearson- r在某种意义上扩展CCA是否可行?ρρ\rhorrr 这样的程序会导致任何统计学上可解释和有意义的事情吗?(例如,对等级执行CCA有意义吗??)我想知道当我们处理非常规数据时是否有帮助... 15 multivariate-analysis data-transformation spearman-rho kendall-tau canonical-correlation
1 两个相同数据集之间的CCA是否等于该数据集上的PCA? 阅读有关两个随机向量和规范相关分析(CCA)的维基百科,我想知道当时主成分分析(PCA)是否与CCA相同?XXXYYYX=YX=YX=Y 9 pca multivariate-analysis canonical-correlation