1.CCA的原理。
https://www.cnblogs.com/pinard/p/6288716.html
CCA是计算两组数据的相关性并降维到1维，是在两组数据相关性最大的前提下，是通过相关系数来衡量的，降维到1维。
具体的求解过程那些公式我没有看。
最后又说到，在数据无法线性表示时，可以使用核CCA，先通过核函数映射到高维空间，再降维到1维。
2.算法过程
https://www.zhihu.com/question/52381656
输出是相关系数、线性表示。
3.例子
https://blog.csdn.net/qq_29831163/article/details/89639661
它的基本 思想是仿照PCA中把多变量与多变量之间的相关化为两个变量之间相关的做 法，首先在每组变量内部找出具有最大相关性的一对线性组合，然后再在每组变量内找 出第二对线性组合，使其本身具有最大的相关性，并分别与第一对线性组合不相关。如 此下去，直到两组变量内各变量之间的相关性被提取完毕为止。有了这些最大相关的线 性组合，则讨论两组变量之间的相关，就转化为研究这些线性组合的最大相关，从而减 少了研究变量的个数。
可以看到X和Y是样本数目相同，但是所含特征数不同。