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.