Resumo A Análise de Variáveis Canônicas (CVA) é uma técnica estatística multivariada e uma aplicação direta da Análise Discriminante Linear (LDA) que visa encontrar combinações lineares de variáveis que melhor diferenciam grupos em um conjunto de dados. Os dados são divididos em grupos com base em alguns critérios predeterminados, e então combinações lineares das variáveis originais são derivadas de forma a maximizar a separação entre os grupos. No entanto, uma limitação comum dessa otimização na CVA é que a matriz de dispersão dentro do cluster deve ser não singular, o que restringe o uso de conjuntos de dados quando o número de variáveis é maior que o número de observações. Ao aplicar a decomposição em valores singulares generalizada (GSVD), o mesmo objetivo da CVA pode ser alcançado independentemente do número de variáveis. Neste artigo, usamos essa abordagem para mostrar que a CVA pode ser aplicada e representações gráficas para tais dados podem ser construídas. Especificamente, estaremos olhando para a construção de um biplot CVA para tais dados que exibirá observações como pontos e variáveis como eixos em uma dimensão reduzida. Finalmente, apresentamos resultados experimentais que confirmam a eficácia de nossa abordagem.
Ganey et al. (Quarta-feira,) estudaram essa questão.