GSVD는 모든 선형 다변량 기법을 구현합니까?

나는 일반적인 SVD에 관한 Hervé Abdi 의 기사를 보았습니다 . 저자는 언급했다 :

일반화 된 SVD (GSVD)는 직사각형 행렬을 분해하고 행렬의 행과 열에 부과 된 제약 조건을 고려합니다. GSVD는 하위 행렬로 주어진 행렬의 가중 일반화 된 최소 제곱 추정값을 제공하므로, 적절한 제약 조건을 선택하여 GSVD는 모든 선형 다변량 기법 (예 : 표준 상관, 선형 판별 분석, 대응 분석, PLS)을 구현합니다. -회귀).

GSVD가 모든 선형 다변량 기법 (예 : 표준 상관, 선형 판별 분석, 대응 분석, PLS 회귀)과 어떻게 관련되어 있는지 궁금합니다.

이 기사의 4.1 절은 일반화 된 SVD가 대응 분석과 비슷한 결과를 산출하기 위해 행렬 M과 W가 무엇이어야하는지 설명한다. 저자는 또한 일반화 된 SVD가 언급 된 다른 다변량 방법과 비교하여 결과를 산출 할 수있는 방법을 설명하기 위해 그의 참조 # 3을 인용합니다.