Python中的典型相关分析与sklearn

Question

我尝试使用sklearn进行典型相关分析（CCA）。我开始使用manual中包含的简单示例：

from sklearn.cross_decomposition import CCA
X = [[0., 0., 1.], [1.,0.,0.], [2.,2.,2.], [3.,5.,4.]]
Y = [[0.1, -0.2], [0.9, 1.1], [6.2, 5.9], [11.9, 12.3]]
cca = CCA(n_components=1)
cca.fit(X, Y)

X_c, Y_c = cca.transform(X, Y)

据我所知，在cca.x_weights_中，我得到了＃34;规范系数＆＃34;，即原始X变量的线性组合（矩阵列＃34; A＆＃34;＆＃34; ; B＆＃34;由MATLAB返回。然而，＆＃34;规范相关＆＃34;在哪里，即应用由规范系数给出的变换时达到的最大相关性（即，矢量＆＃34; r＆＃34;由MATLAB返回）。是否有可能在Python中获得它？

Answer 1

您可以使用.transfrom的输出来计算相关性。可以使用numpy或scipy来完成。我更喜欢scipy的stats模块：

X_c, Y_c = cca.transform(X, Y)
import scipy.stats
corrcoef,p_value = scipy.stats.pearsonr(X_c,Y_c)

很显然，由于您没有足够的样本（即 n

），因此您的相关系数为1。