正則化一般化正準相関分析 (RGCCA)

Tenenhaus ら (2011) によって提案されたこの手法は，PLSPM アルゴリズムととても似たアルゴリズムを用いてグローバル関数を最適化することができる．

PLS アプローチとは異なり，RGCCA の結果は，潜在変数間，および顕在変数とそれらの関連する潜在変数との間の相関である（アルゴリズムの最後に回帰はない）．

RGCCA は，PLSアプローチのそれに類似した単純な繰り返しアルゴリズムに基づく．アルゴリズムが収束すると，タウ・パラメータの選択に応じて，特定の関数を最適化する結果を得る．

タウは，各潜在変数に設定されるべきパラメータである．これは，潜在変数に関する“モード” を調整することを可能にする．tau = 0 のとき，,モード B のケースとなり，PLSPM と RGCCA の結果が類似する．tau = 1 のとき，（M. Tenenhausによれば）新しいモード A になる．このモードは，PLSPM のモード A に近いが，任意に関数を最適化する．タウが 0 と 1 の間で変化するとき，潜在変数モードは，モード A とモード B の中間になる．RGCCAに関する詳細については，Tenenhaus ら. (2011)を参照．

Tenenhaus, M. and Tenenhaus, A. (2011). Regularized Generalized Canonical Correlation Analysis, Psychometrika, 76(2), 257–284.