典型相关分析
典型相关分析（ Canonical Correlation analysis ） 研究两组变量（每个变量中都可能有多个指标，即每个变量都是向量）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。
步骤
- 标准化数据
- 计算原始变量X、Y增广阵的相关系数矩阵R。
- 求典型相关系数以及典型变量。
- 进行典型相关系数λi的显著性检验。有整体检验与部分检验
- 典型结构与典型冗余分析。
matlab函数
**[a,b,r,u,v,stats] = cononcorr(x,y);
% x：原始变量x矩阵，每列一个自变量指标，第i列是 xi 的样本值
% y：原始变量y矩阵，每列一个因变量指标，第j列是 yj 的样本值
% a：自变量x的典型相关变量系数矩阵，每列是一组系数。 列数为典型相关变量数
% b：因变量y的典型相关变量系数矩阵，每列是一个系数
% r： 典型相关系数。即第一对<u1,v1>之间的相关系数、第二对<u2,v2>之间的相关系数…
% u：对于X的典型相关变量的值
% v：对于Y的典型相关变量的值
% stats：假设检验的值**
本文作者：West11
本文链接：https://www.cnblogs.com/cxy1114blog/p/18459144
版权声明：本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步