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