PCA tìm kiếm các yếu tố trong dữ liệu tối đa hóa phương sai được giải thích. Theo phân tích tương quan Canonical (CCA), theo như tôi hiểu, giống như một PCA nhưng tìm kiếm một yếu tố tối đa hóa hiệp phương sai giữa hai bộ dữ liệu. Vì vậy, tìm pca như các yếu tố, đó là phổ biến cho hai bộ dữ liệu.
Phân tích thành phần độc lập (ICA) là simillar cho PCA, nhưng nó tìm kiếm các yếu tố độc lập thống kê. Mà kết quả là, theo một cách nào đó, các yếu tố dễ hiểu hơn. Ví dụ như con đường gen, mạng lưới não, các bộ phận của khuôn mặt. Hoặc bạn có thể nói nó sẽ xác định các nguồn độc lập được trộn lẫn để tạo ra dữ liệu.
Có một phương pháp, tương tự như ICA, như PCA là CCA không? Vì vậy, sẽ tìm thấy các thành phần độc lập phổ biến cho hai bộ dữ liệu? Kết quả sẽ thực sự có ý nghĩa?