python 典型变量分析

最新推荐文章于 2025-03-03 13:59:24 发布

yan_feifei_1993

最新推荐文章于 2025-03-03 13:59:24 发布

阅读量6.5k

点赞数 6

CC 4.0 BY-SA版权

分类专栏： python 文章标签： Python 典型相关分析

本文链接：https://blog.csdn.net/dajiyi1998/article/details/79986233

典型相关分析是一种统计方法，旨在找到变量间的最大相关性线性组合。通过此方法，可以减少变量数量，便于分析两组变量间的相关性。在Python中，这一过程包括寻找每组变量的一对线性组合，使得它们之间具有最大相关性，同时确保后续组合与其他已找到的组合不相关，并保持自身相关性最大化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

典型相关分析

1.典型相关分析的基本思想是首先在每组变量中找出变量的线性组合，使其具有最大相关性，然后再在每组变量中找出第二对线性组合，使其分别与第一对线性组合不相关，而第二对本身具有最大的相关性，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.有了这样线性组合的最大相关，则讨论两组变量之间的相关，就转化为只研究这些线性组合的最大相关，从而减少研究变量的个数.

#典型变量分析得到第一典型变量
def CAA(X,Y):
	R= corrcoef(X,Y,rowvar=0)
	m, n = shape(X)
	p, q = shape(Y)
	# print(m,n)
	# print(p,q)

	R11=[]
	R22=[]
	R12=[]

#计算相关系数
	for i in range(n):
		temp=R[i]
		a=temp[0:n]
		R11.append(a)

	for j in range(n,n+q):
		temp=R[j]
		a=temp[n:n+q]
		R22.append(a)