代谢组数据分析十一：典型相关分析
欢迎大家关注全网生信学习者系列：
- WX公zhong号：生信学习者
- Xiao hong书：生信学习者
- 知hu：生信学习者
- CDSN：生信学习者2
介绍
典型相关分析（Canonical Correlation Analysis，简称CCA）是一种统计方法，用于探索两组变量之间的线性关系。与主成分分析（PCA）不同，PCA是在同一组变量内寻找最大方差的方向，而CCA是在两组变量之间寻找最大相关性的方向。
-
变量组：CCA涉及两组变量，每组变量可以包含一个或多个指标。
-
线性组合：CCA通过在每组变量中寻找线性组合，以确定这些组合之间的最大相关性。
-
典型变量：通过CCA，可以找到两组变量的典型变量（canonical variates），它们是原始变量的加权线性组合。
-
相关系数：CCA的目标是最大化这些典型变量之间的相关系数。
-
协方差矩阵：CCA使用两组变量的协方差矩阵来确定典型变量。
-
降维：CCA可以看作是一种降维技术，它将高维数据投影到低维空间，同时保持组间的最大相关性。