精华内容
下载资源
问答
  • 混合概率典型相关性分析
  • 典型相关性分析英文讲义,包括应用背景讲解,理论基础,典型相关项分析算法详解及典型相关性分析的拓展算法的讲解
  • 典型相关性分析,可以直接用的。MATLAB代码格式,只需输入变量即可。
  • include 'C:\Program Files\SPSSInc\PASWStatistics17\Samples\English\Canonical correlation.sps'.cancorr set1=x1 x2/set2 y1 y2 y3.Run MATRIX procedure:Correlations for Set-1x1 x2x11.0000 .9842x2...

    include 'C:\Program Files\SPSSInc\PASWStatistics17\Samples\English\Canonical correlation.sps'.

    cancorr set1=x1 x2

    /set2 y1 y2 y3.

    Run MATRIX procedure:

    Correlations for Set-1

    x1      x2

    x1  1.0000   .9842

    x2   .9842  1.0000

    Correlations for Set-2

    y1      y2      y3

    y1  1.0000   .2255   .2493

    y2   .2255  1.0000   .9979

    y3   .2493   .9979  1.0000

    Correlations Between Set-1 and Set-2

    y1      y2      y3

    x1   .2316   .9739   .9818

    x2   .1623   .9885   .9912

    Canonical Correlations

    1       .996

    2       .530

    Test that remaining correlations are zero:

    Wilk's   Chi-SQ       DF     Sig.

    1       .005   31.369    6.000     .000

    2       .719    1.975    2.000     .372

    Standardized Canonical Coefficients for Set-1

    1        2

    x1     .116   -5.651

    x2     .886    5.583

    Raw Canonical Coefficients for Set-1

    1        2

    x1     .000     .000

    x2     .002     .015

    Standardized Canonical Coefficients for Set-2

    1        2

    y1    -.104    -.544

    y2    -.882   10.450

    y3    1.902  -10.321

    Raw Canonical Coefficients for Set-2

    1        2

    y1    -.050    -.261

    y2     .000     .003

    y3     .000     .000

    Canonical Loadings for Set-1

    1        2

    x1     .988    -.157

    x2    1.000     .021

    Cross Loadings for Set-1

    1        2

    x1     .984    -.083

    x2     .996     .011

    Canonical Loadings for Set-2

    1        2

    y1     .171    -.760

    y2     .992     .028

    y3     .995    -.029

    Cross Loadings for Set-2

    1        2

    y1     .171    -.403

    y2     .988     .015

    y3     .992    -.015

    Redundancy Analysis:

    Proportion of Variance of Set-1 Explained by Its Own Can. Var.

    Prop Var

    CV1-1              .988

    CV1-2              .012

    Proportion of Variance of Set-1 Explained by Opposite Can.Var.

    Prop Var

    CV2-1              .980

    CV2-2              .004

    Proportion of Variance of Set-2 Explained by Its Own Can. Var.

    Prop Var

    CV2-1              .668

    CV2-2              .193

    Proportion of Variance of Set-2 Explained by Opposite Can. Var.

    Prop Var

    CV1-1              .663

    CV1-2              .054

    ------ END MATRIX -----

    展开全文
  • 关注医学统计SPSS典型相关性分析详细操作关键词:SPSS、典型相关导 读 在前几期,我们详细介绍了双变量间的相关关系研究的Pearson和Spearman相关性分析。 点击观看: 《什么样的医学数据可以使用spss中的Pearson...
    ad94d4d339e1c26564f74f229822c1d6.png

     

    医学统计SPSS典型相关性分析详细操作

    关键词:SPSS、典型相关

    0b0e55a8a5b3515c090a648e925c46e7.png

    导  读

        在前几期,我们详细介绍了双变量间的相关关系研究的Pearson和Spearman相关性分析。

        点击观看:

        《什么样的医学数据可以使用spss中的Pearson相关性分析?

        《医学统计中的Spearman秩相关性分析原理及spss中的操作

        但在实际应用中,可能会面对两组多个变量的数据,若要研究两组变量之间的关系时,则需要用到典型相关性分析。

        本期,我们主要介绍典型相关分析的基本原理、适用条件及其在SPSS中的具体操作。

    下方为视频版和音频版,含软件操作步骤

    eca53826f387098dbb9a1de74ba4a77e.png

    基本原理 

        典型相关分析,即分析两组变量X=(X1,X2,…,Xn)和Y=(Y1,Y2,…,Ym)之间的相关关系,其研究思想类似于主成分分析,通过在两组变量中,找出变量相关性最大的线性组合,然后再在每组变量中,找出第二对相关性最大的线性组合,但其与第一对线性组合不相关,如此进行下去,直至两组变量间的相关性被提取完毕。

        这些被提取的变量对为典型变量,第一对典型变量的相关系数称为第一典型相关系数。一般来说,只需要提取1-2对典型变量即可较为充分概括样本信息。

    适用条件 

        典型相关性分析适用于两组变量都为连续数值型的变量且服从正态分布的情况。

    案例解读 

        我们集了一份65名志愿者的三个生理指标:身体质量指数(x1)、收缩压(x2)和脉搏(x3)和三个生活指标:每天睡眠时长(y1)、每日步数(y2)和每日户外活动时长(y3),欲研究六个变量间的相关关系,若直接进行两两分析,则会较为繁复且不够直观。采用典型相关性分析,以进行更加简明清晰的研究。具体操作如下:

        (1)在SPSS中的具体操作

        依次点击“分析——相关——典型相关性”。

    345c58fba384b023fe6333d3acc39e66.png

    (点击图片查看大图)

        出现“典型相关性”窗口。

    4b68d563d7705772fa2edb0deb4195b7.png

    (点击图片查看大图)

        ③将生理指标“身体质量指数”、“收缩压”和“脉搏”三个变量放入“集合1”框中,将“每日睡眠时长”、“每日步数”和“每日户外活动”放入“集合2”框中。

    ef2d0b55f064114d3a0da5c05db60b42.png

    (点击图片查看大图)

        点击“选项”,勾选“成对相关性”、“载荷”、“方差比例”和“系数”,点击“继续”。

    e65f207305994ddc44e31f730be1dc6a.png

    (点击图片查看大图)

        点击“确定”,可得到相关性分析的结果。

        (2)结果解读

        查看“典型相关性”表,表中,仅第一对典型变量的典型相关系数不为0(为0.575),显著性P=0.000<0.05;第二对和第三队典型变量的典型相关系数显著性P值均大于0.05,分别为0.233和0.764,说明两组变量中共提取了一对典型变量。

    bb8d5dc5152cef2885f47f6000609536.png

    (点击图片查看大图)

        ②查看“集合1标准化典型相关系数”和“集合2标准化典型相关系数”。可以看到,集合1中第一对典型变量的标准化典型系数为(0.364,0.119,-1.084),对应的,可以得到:

    3562b04662c948aa1f800fb14d090e6e.png

    集合2中第一对典型变量的标准化典型系数为(-0.117,0.085,0.961),对应的:

    231cddfcfe13b21917e222e34dce7d33.png

    a670db11ef6a8f1bf49952350d707a3a.png

        由此可知:第一对典型变量提示志愿者的每日户外活动时长的增加,其脉搏会一定程度降低。

    小  结

        本文对典型相关性分析的基本原理、适用条件及其具体案例进行了阐述,一般来说,通过典型相关性分析得出典型变量是变量间深度关系分析的第一步,如结合回归分析等其他方法进一步探讨变量间的数量关系。后续,我们将持续更新相关应用案例,敬请关注!

    参考文献:

    1、孙振球,徐勇勇.《医学统计学 第4版》.人民卫生出版社.

    2、邱皓政.《量化研究与统计分析》.重庆大学出版社.

    本期供稿:Dana

    文本编辑:飞雪

    内容审核:陈老师

    语音讲解:陈老师

    Meta()SCI() GraphPad PrismSPSS

    363356f415958d4506af7b37738ad52a.png

     3301888200

     

    SCI(CSDH)

    SCI

        便

    7225219b8dd0b59502beb475870fe8a5.png

      

    QQ() 3301888200

    ( 

      SPSSPSM()

      SPSST()

      SPSS

      SPSS

      SPSS

      

      SPSS

      Meta

      SPSS线

      SPSSLogistic3

      SPSS10

      GraphPadY

      Excel

      SPSS

      SPSS+Excel

      

      Excel

      

      SPSST

      Stata

      

      使Excel

      Meta6

      GraphPad线

      SPSS4

      SPSS

      ROC线

      Excel

      SPSS

      Meta

      Excel

      SPSS线

      SPSS

      Excel

      ExcelIFISERR使

      SPSS

      Excel

      MetaWeb Of Science

      SPSS

     Meta()

     SPSSProbit

     GraphPad Prism

     (CSDH)

     bland-alterman

     SPSS

     SPSS

     SPSS

     SPSSK-means

     SPSSCoChran Q

     SPSS

     SPSS

     SPSS

     SPSS

     SPSS

     SPSS线

     使SPSS线

     使SPSST

     使SPSS

     使SPSS

     使SPSS

     SPSS

     SPSS

     SPSSFisher

     SPSS

     SPSS

     SPSS

     logistic 

     使SPSS

     使SPSS 

     SPSS

     SPSS()

     

     SPSSKappa

     SPSSKandall 

     Cox

     SPSSlogistic

     线SPSS

     Pearson

     SPSS

     SPSS

     SPSS

     Kruskal-Wallis H

     SPSSlogistic

     SPSS

     SPSS Bonferroni

     SPSSlogistic

     SPSSROC线

     SPSS线

     SPSSFriedman M

     Wilcoxon

     SPSS

     SPSS寿

     SPSSKruskal-Wallis H

     Pearson

     SPSSlogistic

     ROC线SPSS

     SPSS线

     Dunnett-t

     使SPSS线

     SPSSQ-Q

     SPSSWilcoxon

     SPSS

     SPSS

     SPSSK-M

     SPSS

     SNK-qSPSS

     SPSS

     SPSS

     SPSS

     SPSSWilcoxon

     使SPSS

     访

     spss

     P-P

     spss

     spss

     R×C

     spss

     LSD-t

     

     线

     

     spss

     t

     spss

     

     Spearmanspss

     Spss

     spss

     Spsst

     spss

     K-S

     SpssPearson

     Spss

     Fisher

     tspss

     

     T

     SPSS

     Spss

     

     SPSS

     SPSS

     

    2f1f6598e6ba83ff234254a904074b2a.gif

    展开全文
  • 关注医学统计SPSS典型相关性分析详细操作关键词:SPSS、典型相关导 读 在前几期,我们详细介绍了双变量间的相关关系研究的Pearson和Spearman相关性分析。 点击观看: 《什么样的医学数据可以使用spss中的Pearson...
    44fe161ef5731a74de759db24f73f069.png

     

    医学统计SPSS典型相关性分析详细操作

    关键词:SPSS、典型相关

    e951a7bd90276cd549b28f7305e06c52.png

    导  读

        在前几期,我们详细介绍了双变量间的相关关系研究的Pearson和Spearman相关性分析。

        点击观看:

        《什么样的医学数据可以使用spss中的Pearson相关性分析?

        《医学统计中的Spearman秩相关性分析原理及spss中的操作

        但在实际应用中,可能会面对两组多个变量的数据,若要研究两组变量之间的关系时,则需要用到典型相关性分析。

        本期,我们主要介绍典型相关分析的基本原理、适用条件及其在SPSS中的具体操作。

    下方为视频版和音频版,含软件操作步骤

    c00453442e3c4a5ae5e38634b8e851b3.png

    基本原理 

        典型相关分析,即分析两组变量X=(X1,X2,…,Xn)和Y=(Y1,Y2,…,Ym)之间的相关关系,其研究思想类似于主成分分析,通过在两组变量中,找出变量相关性最大的线性组合,然后再在每组变量中,找出第二对相关性最大的线性组合,但其与第一对线性组合不相关,如此进行下去,直至两组变量间的相关性被提取完毕。

        这些被提取的变量对为典型变量,第一对典型变量的相关系数称为第一典型相关系数。一般来说,只需要提取1-2对典型变量即可较为充分概括样本信息。

    适用条件 

        典型相关性分析适用于两组变量都为连续数值型的变量且服从正态分布的情况。

    案例解读 

        我们集了一份65名志愿者的三个生理指标:身体质量指数(x1)、收缩压(x2)和脉搏(x3)和三个生活指标:每天睡眠时长(y1)、每日步数(y2)和每日户外活动时长(y3),欲研究六个变量间的相关关系,若直接进行两两分析,则会较为繁复且不够直观。采用典型相关性分析,以进行更加简明清晰的研究。具体操作如下:

        (1)在SPSS中的具体操作

        依次点击“分析——相关——典型相关性”。

    8b95d3806aeca5f4ba431bb4d7928551.png

    (点击图片查看大图)

        出现“典型相关性”窗口。

    a288b0ef940c3f851f5e27bd3e9210b5.png

    (点击图片查看大图)

        ③将生理指标“身体质量指数”、“收缩压”和“脉搏”三个变量放入“集合1”框中,将“每日睡眠时长”、“每日步数”和“每日户外活动”放入“集合2”框中。

    84ab1fee7cddeb44e20ddf2cc279588f.png

    (点击图片查看大图)

        点击“选项”,勾选“成对相关性”、“载荷”、“方差比例”和“系数”,点击“继续”。

    8c7960ba1f7e96e2a9c0b3e04cc87cc9.png

    (点击图片查看大图)

        点击“确定”,可得到相关性分析的结果。

        (2)结果解读

        查看“典型相关性”表,表中,仅第一对典型变量的典型相关系数不为0(为0.575),显著性P=0.000<0.05;第二对和第三队典型变量的典型相关系数显著性P值均大于0.05,分别为0.233和0.764,说明两组变量中共提取了一对典型变量。

    79f460e198c6dc00f5803286e4c20103.png

    (点击图片查看大图)

        ②查看“集合1标准化典型相关系数”和“集合2标准化典型相关系数”。可以看到,集合1中第一对典型变量的标准化典型系数为(0.364,0.119,-1.084),对应的,可以得到:

    c809b8c72efed6c3e93931ff3067f0ab.png

    集合2中第一对典型变量的标准化典型系数为(-0.117,0.085,0.961),对应的:

    b25801c4c9c2f5c3a22b15ece6e741ea.png

    2823431cf54702ceb5985247065e64b2.png

        由此可知:第一对典型变量提示志愿者的每日户外活动时长的增加,其脉搏会一定程度降低。

    小  结

        本文对典型相关性分析的基本原理、适用条件及其具体案例进行了阐述,一般来说,通过典型相关性分析得出典型变量是变量间深度关系分析的第一步,如结合回归分析等其他方法进一步探讨变量间的数量关系。后续,我们将持续更新相关应用案例,敬请关注!

    参考文献:

    1、孙振球,徐勇勇.《医学统计学 第4版》.人民卫生出版社.

    2、邱皓政.《量化研究与统计分析》.重庆大学出版社.

    本期供稿:Dana

    文本编辑:飞雪

    内容审核:陈老师

    语音讲解:陈老师

    Meta()SCI() GraphPad PrismSPSS

    d7c19aa41a2a2463e6a0caaee04a5b97.png

     3301888200

     

    SCI(CSDH)

    SCI

        便

    a45369555e4ec95fcce08c6e685170b7.png

      

    QQ() 3301888200

    ( 

      SPSSPSM()

      SPSST()

      SPSS

      SPSS

      SPSS

      

      SPSS

      Meta

      SPSS线

      SPSSLogistic3

      SPSS10

      GraphPadY

      Excel

      SPSS

      SPSS+Excel

      

      Excel

      

      SPSST

      Stata

      

      使Excel

      Meta6

      GraphPad线

      SPSS4

      SPSS

      ROC线

      Excel

      SPSS

      Meta

      Excel

      SPSS线

      SPSS

      Excel

      ExcelIFISERR使

      SPSS

      Excel

      MetaWeb Of Science

      SPSS

     Meta()

     SPSSProbit

     GraphPad Prism

     (CSDH)

     bland-alterman

     SPSS

     SPSS

     SPSS

     SPSSK-means

     SPSSCoChran Q

     SPSS

     SPSS

     SPSS

     SPSS

     SPSS

     SPSS线

     使SPSS线

     使SPSST

     使SPSS

     使SPSS

     使SPSS

     SPSS

     SPSS

     SPSSFisher

     SPSS

     SPSS

     SPSS

     logistic 

     使SPSS

     使SPSS 

     SPSS

     SPSS()

     

     SPSSKappa

     SPSSKandall 

     Cox

     SPSSlogistic

     线SPSS

     Pearson

     SPSS

     SPSS

     SPSS

     Kruskal-Wallis H

     SPSSlogistic

     SPSS

     SPSS Bonferroni

     SPSSlogistic

     SPSSROC线

     SPSS线

     SPSSFriedman M

     Wilcoxon

     SPSS

     SPSS寿

     SPSSKruskal-Wallis H

     Pearson

     SPSSlogistic

     ROC线SPSS

     SPSS线

     Dunnett-t

     使SPSS线

     SPSSQ-Q

     SPSSWilcoxon

     SPSS

     SPSS

     SPSSK-M

     SPSS

     SNK-qSPSS

     SPSS

     SPSS

     SPSS

     SPSSWilcoxon

     使SPSS

     访

     spss

     P-P

     spss

     spss

     R×C

     spss

     LSD-t

     

     线

     

     spss

     t

     spss

     

     Spearmanspss

     Spss

     spss

     Spsst

     spss

     K-S

     SpssPearson

     Spss

     Fisher

     tspss

     

     T

     SPSS

     Spss

     

     SPSS

     SPSS

     

    20bac9924622f3e9411a16bcb726987b.gif

    展开全文
  • 数学建模(6)典型相关性分析 研究两组变量之间相关系数的一种多元统计方法,能够揭示两组变量的内在联系。 这里的两组,每组都要包含全部的变量,比如一组是男人女人,一组是老人小孩。 把多个变量与多个变量之间的...

    数学建模(6)典型相关性分析

    研究两组变量之间相关系数的一种多元统计方法,能够揭示两组变量的内在联系。

    这里的两组,每组都要包含全部的变量,比如一组是男人女人,一组是老人小孩。

    把多个变量与多个变量之间的相关化为两个具有代表性的变量之间的关系。

    使用典型相关分析能综合全面的衡量所在组的内在关系

    步骤

    1、找出变量的线性组合,让两组之间的线性组合有最大的相关系数。

    Ui=ai(i)X1(1)+ai(i)X2(2)+...+ai(i)Xp(p)=ai(i)X1(1) U_i=a_i^{(i)}X_1^{(1)}+a_i^{(i)}X_2^{(2)}+...+a_i^{(i)}X_p^{(p)}=a_i^{(i)}X_1^{(1)}

    Vi=bi(i)X1(2)+bi(i)X2(2)+...+bi(i)Xp(p)=bi(i)X1(2) V_i=b_i^{(i)}X_1^{(2)}+b_i^{(i)}X_2^{(2)}+...+b_i^{(i)}X_p^{(p)}=b_i^{(i)}X_1^{(2)}

    这里其实是让一组内的一列数据来反应这一组的大部分信息,如果不够的话,需要找第二列。

    所以为了保证两列信息都有效,需要让这两列信息不相关,即

    cov(U1,U2)=cov(V1,V2)=0cov(U_1,U_2)=cov(V_1,V_2)=0

    2、选取和最初挑选的这对线性组合不相关的线性组合,配对,选取相关系数最大的一对。

    3、直到两组变量之间的相关性被提取完毕。

    SPSS分析

    SPSS->分析->相关->典型相关性->
    分开选择集合1、集合2->确定
    

    之后可以导出结论然后处理一下之间用

    展开全文
  • include'D:\SPSS\Samples\English\Canonicalcorrelation.sps'.cancorrset1=C1C2C3/set2=D1D2D3D4/.执行后......CanonicalCorrelations11.00021.0003.211>Errorencounteredinsourcelin...include 'D:\SPSS\Samples...
  • 典型相关性分析CCA

    2020-12-07 17:14:24
    https://wenku.baidu.com/view/f110b66017fc700abb68a98271fe910ef12daedc.html
  • 典型相关分析由于研究的是两组随机变量之间的相关关系,因此也属于一种多元统计分析方法,多元统计分析方法基本上都有降维的思想,典型相关分析也不例外,它借用主成分分析的思想,在多个变量中提取少数几个综合变量...
  • 典型相关分析在对经济问题的研究和管理研究中,不仅经常需要考察两个变量之间的相关程度,而且还经常需要考察多个变量与多个变量之间即两组变量之间的相关性典型相关分析就是测度两组变量之间相关程度的一种多元...
  • 如何在SPSS中实现典型相关分析?SPSS11.015.1典型相关分析15.1.1方法简介在相关分析一章中,我们主要研究的是两个变量间的相关,顶多调整其他因素的作用而已;如果要研究一个变量和一组变量间的相关,则可以使用多元...
  • 4对典型相关变量中只有第1对典型相关变量的相关系数的达到显著水平,所以本例中只用第1对典型相关变量的数据来解释X变量和Y变量之间的关系。2.X的5个观察变量中,观察变量x5对第1典型变量U1的关系最紧...
  • 在预测中,规律的探索和发现具有重要作用。相关分析则是一项常用的方法。...简单相关分析通常可分析任意两个等长数列间的相关性;而互相关分析则允许在一定的间隔下进行简单相关分析典型相关分...
  • 4、SPSSAU输出结果此表格展示出典型变量的提取情况,上表中共显示有5个典型变量被提取出来,在进行F检验时显示,其中仅2个典型变量是呈现出0.01水平的显著性,因此,最终应该以两个典型变量为准进行后续研究。...
  • 跟着昨天的步伐~我们接着说数据分析的十六种方法中的回归分析法、聚类分析法和判别分析法:——主成分分析主成分分析在数据分析中应用的不是很多,它是多元统计分析中用来分析数据的一种方法,是通过矩阵变换用一组...
  • 机器学习(32)之典型相关性分析(CCA)详解

    万次阅读 多人点赞 2018-11-20 05:47:20
    典型关联分析(Canonical Correlation Analysis,简称CCA)是最常用的挖掘数据关联关系的算法之一。比如我们拿到两组数据,第一组是人身高和体重的数据,第二组是对应的跑步能力和跳远能力的数据。那么我们能不能说这...
  • 记得先点蓝字关注我哦~ 今日课程菜单Java全栈开发 |Web前端+H5大数据开发 | 数据分析人工智能+Python | 人工智能+物联网本文是,没有看过(一)的小伙伴请点击统计学最常用的「数据分析方法」清单(一)复习内容哦!...
  • 『头条 』比特币和标普 500 指数的相关性处于 10 个月低点加密分析公司 Santiment 在推特表示,比特币和标普 500 指数之间的相关性处于 10 个月低点,这对比特币而言可能是一个乐观因素,因为比特币和标普 500 指数...
  • 微信公众号关键字全网搜索最新排名【机器学习算法】:排名第一【机器学习】:排名第一【Python】:排名第三【算法】:排名第四人工智能与Python公开课限时免费文末领取前言典型关联分析(Canonical Correlation ...
  • 典型相关性学习

    2017-12-14 11:30:55
    典型相关性分析(Canonical Correlation Analysis,CCA)的核心思想是:寻找两个变量场XX,YY对应的两组基向量WxW_x,WYW_Y,使得XX,YY在WxW_x,WYW_Y上投影后的结果最大程度地保持XX,YY之间的相关性一致.
  • 典型相关性分析(CCA) 基本概念Ref: http://www.cnblogs.com/jerrylead/archive/2011/06/20/2085491.html
  • 多维数据流相关性分析的研究较少,且主要集中在单一滑动窗口分析.文中提出一种基于基窗口的在线典型相关分析算法(Base_win_CCA).算法动态维护基窗口的统计量用于多维相关性分析,时空复杂度大为减少,并且可根据多用户...
  • 例如,篮子分析就是相关性分析典型应用,即找出不同产品之间的销售关联。本章内容涵盖交叉分析和篮子分析9.1 交叉分析商业场景:图9.1.1所示的为本节案例(调查问卷交叉分析)的分析结果,通过交义分析有助于找出问卷...
  • 典型相关分析(Canonical correlation analysis)(二):原始变量与典型变量之间的相关性典型相关系数的检验 典型相关分析(Canonical correlation analysis)(三): 职业满意度典型相关分析案例...
  • 其对于非平凡属性组合的选择,采用典型关联算法计算出更优的属性集。考虑到各属性权重在实际生活中是有区别的,采用层叠隐马尔可夫算法计算各属性权重,将属性权重作为非平凡属性组的评测标准之一。为使得推荐出的...
  • 实验利用MATLAB分析信号频谱及系统的频率特性实验2 利用MATLAB分析信号与系统的频域特性 实验目的 1.深入理解信号频谱的概念,掌握典型信号的频谱以及Fourier 变换的主要性质及其matlab实现; 2.学习和掌握连续时间...

空空如也

空空如也

1 2 3 4 5 ... 16
收藏数 308
精华内容 123
关键字:

典型相关性分析