多集合规范相关分析简易解释
摘要：多集相关组分分析（MCCA）有许多方法可以实施，其中一些方法需要迭代解决方案。这些方法在优化标准和约束方案的不同点上有所不同。这篇摘要专注于可能是最简单的版本，可以通过单一步骤解决，即通过矩阵${f D}^{-1} {f R}$的特征向量。在这里，${f R}$是连接数据的协方差矩阵，而${f D}$是其分块对角线矩阵。这篇摘要表明，这个解决方案在无需进一步约束的情况下最大化了集合间的相关性（ISC）。它还将解决方案与一个两步过程联系起来，该过程首先使用主成分分析（PCA）对每个数据集进行白化，然后对连接和白化后的数据进行额外的PCA分析。虽然这两个解决方案已知，但很难找到明确的推导和简单的实现。这篇简短的摘要旨在解决这个问题。
作者：Lucas C Parra
论文ID：1802.03759
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-02-13