数模6：典型相关分析（Canonical Correlation analysis）

Tokirin.

已于 2023-09-04 16:54:57 修改

阅读量182

点赞数

文章标签：人工智能算法

于 2023-08-31 14:55:56 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/TOK__/article/details/132586028

版权

1.简介

研究两组变量（每组变量中都可能有多个指标）之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。

2.模型

（1）定义

典型相关分析由Hotelling提出，其基本思想和主成分分析非常相似。首先在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数；然后选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对；如此继续下去，直到两组变量之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。典型相关系数度量了这两组变量之间联系的强度。

（2）思路

设两组变量： $X=\left(X_1,X_2,\cdots,X_p\right), Y=\left(Y_1,Y_2,\cdots,Y_q\right)$

分别在两组变量中选取若干综合变量U,V代表原变量的线性组合：

$\begin{aligned}U_i&=a_1^{(i)}X_1+a_2^{(i)}X_2+\cdotp\cdotp\cdotp+a_p^{(i)}X_p\triangleq\mathbf{a}^{(i)'}\mathbf{X}\\V_i&=b_1^{(i)}Y_1+b_2^{(i)}Y_2+\cdotp\cdotp\cdotp+b_q^{(i)}Y_q\triangleq\mathbf{b}^{(i)'}\mathbf{Y}\end{aligned}$

注：综合变量组数未知，可能一组就能反应大部分的整体信息，一组即可。

为了保证后面组的信息有效，要求组之间不相关：

$cov\left(U_1,U_2\right)=cov\left(V_1,V_2\right)=0$

第一要满足条件： $var\left(U_{1}\right)=var\left(V_{1}\right)=1$

目的消除量纲影响， $\rho\left(U_{1},V_{1}\right)=\rho\left(aU_{1},bV_{1}\right))$

（3）步骤

具体步骤参考[1]。

STEP1:假设联合正态分布

STEP2:相关性检验（构造似然比统计量）

首先要对两组变量的相关性进行检验（构造似然比统计量）

STEP3:典型相关变量的个数

STEP4:标准化典型相关变量分析

STEP5:典型载荷分析

STEP6:前 r个典型变量对样本总方差的贡献

3.REFERENCE

[1]. 厦门大学多元统计分析第九章典型相关分析.ppt

[2].医学统计SPSS典型相关性分析详细操作——【杏花开医学统计】_哔哩哔哩_bilibili

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
数模6：典型相关分析（Canonical Correlation analysis）

典型相关分析由Hotelling提出，其基本思想和主成分分析非常相似。首先在每组变量中找出变量的线性组合，使得两组的线性组合之间具有最大的相关系数；然后选取和最初挑选的这对线性组合不相关的线性组合，使其配对，并选取相关系数最大的一对；如此继续下去，直到两组变量之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量，它们的相关系数称为典型相关系数。典型相关系数度量了这两组变量之间联系的强度。
复制链接

扫一扫

Tokirin. CSDN认证博客专家 CSDN认证企业博客

码龄5年

7: 原创

74万+: 周排名

71万+: 总排名

5165: 访问

: 等级

76: 积分

2: 粉丝

2: 获赞

3: 评论

23: 收藏

私信

关注

热门文章

最新评论

数模7：多元线性回归分析（Multiple Linear Regression Analysis）
CSDN-Ada助手: 恭喜你写完了第7篇博客！你对多元线性回归分析的解析非常详细，让我受益匪浅。希望你能继续保持创作的热情，为我们带来更多有趣的内容。下一步，我建议你可以探讨一下如何应用多元线性回归分析来解决实际问题，或者深入研究一些相关的扩展方法。期待你的下一篇博客！
数模5：相关系数
CSDN-Ada助手: 恭喜您写完了第5篇博客！标题看起来非常有趣，我对相关系数也很感兴趣。您的持续创作精神真是令人钦佩！我希望您能继续保持写作的势头，并且在下一篇博客中，不妨尝试探讨一下相关系数在实际问题中的应用，这样读者们也能更好地理解相关系数的重要性。再次恭喜您，期待您的下一篇博客！
数模3：插值算法（Interpolation Algorithm）
CSDN-Ada助手: 恭喜您写了第三篇博客！标题“数模3：插值算法（Interpolation Algorithm）”听起来非常有趣。插值算法是一个非常重要的主题，能够在数据不完整或缺失的情况下进行预测和填补，非常实用。您的文章一定会对读者有所启发。在下一步的创作中，我建议您可以尝试探索不同的插值算法，并比较它们的优缺点。您也可以结合实际案例或应用场景，展示插值算法在实际问题中的应用效果。这样的深入探讨将使您的文章更加丰富和有说服力。期待您的下一篇博客！保持谦虚和努力，继续创作吧！ CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3
数模2：优劣解距离法（Technique for Order Preference by Similarity to Ideal Solution）
CSDN-Ada助手: 评论：非常棒的博文！你对TOPSIS法的解释非常清晰，让我对这种评价方法有了更深入的了解。希望你能继续写下去，分享更多关于数模的知识。除了TOPSIS法，还有一些与综合评价方法相关的技能和知识可以进一步了解。比如，你可以了解一下灰色关联分析法（Grey Relational Analysis, GRA），它也是一种常用的综合评价方法，可以用于多指标综合评价。此外，你还可以深入研究一下模糊综合评价方法，例如模糊层次分析法（FAHP）和模糊综合评判法（Fuzzy Comprehensive Evaluation, FCE），它们在处理模糊信息和不确定性方面非常有效。希望我的建议能对你有所帮助！期待你的下一篇博文！如何写出更高质量的博客，请看该博主的分享：https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2

大家在看

Qt/C++使用小记9【使用UDP创建连接发送消息/传输单个文件】 152

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。