O PCA procura fatores nos dados que maximizam a variação explicada. A análise de correlação canônica (CCA), até onde eu entendo, é como um PCA, mas procura por fatores que maximizem a covariância cruzada entre dois conjuntos de dados. Portanto, encontre fatores semelhantes ao pca, comuns a dois conjuntos de dados.
A análise de componentes independentes (ICA) é semelhante à PCA, mas procura fatores que são estatisticamente independentes. O que resulta em, de alguma maneira, fatores mais interpretáveis. Por exemplo, vias genéticas, redes cerebrais, partes de rostos. Ou você pode dizer que identificaria fontes independentes que são misturadas para produzir os dados.
Existe um método semelhante ao ICA, como o PCA é o CCA? Então, isso encontraria componentes independentes comuns a dois conjuntos de dados? Os resultados realmente fariam sentido?