如何使用sklearn CCA模块计算相关系数衡量特征向量相似度

你可以通过计算CCA投影后两组变量对应列的皮尔逊相关系数得到所需的结果，具体逻辑和实现代码如下：

CCA拟合后得到的投影结果U_c和V_c中，每一列是一组对应的CCA投影变量，两组变量的皮尔逊相关系数就是单个CCA成分的相关系数，对所有成分的相关系数取均值就是你提到的用于衡量特征相似度的指标。

from sklearn.cross_decomposition import CCA
import numpy as np

# 示例数据：100个样本，U、V各为5维特征
U = np.random.random_sample(500).reshape(100,5)
V = np.random.random_sample(500).reshape(100,5)

# n_components取两组特征维度的最小值，获取全部CCA成分
n_components = min(U.shape[1], V.shape[1])
cca = CCA(n_components=n_components)
cca.fit(U, V)

# 得到投影后的结果
U_c, V_c = cca.transform(U, V)

# 逐个计算每个成分的相关系数
corr_list = []
for i in range(n_components):
    corr = np.corrcoef(U_c[:, i], V_c[:, i])[0, 1]
    corr_list.append(corr)

# 计算相关系数均值
mean_corr = np.mean(corr_list)
print("各CCA成分相关系数：", corr_list)
print("相关系数均值：", mean_corr)

补充说明：

• 若你仅需要计算前k个CCA成分的均值，将n_components参数设置为k即可，比如你示例中设置n_components=1时，最终均值就是唯一成分的相关系数。
• 若遇到相关系数超出[-1,1]的数值异常情况，可以先对输入数据做标准化，或调整CCA的正则参数优化数值稳定性。

内容的提问来源于stack exchange，提问作者user2207686