En el análisis de correlación canónica a gran escala que surge de aplicaciones de aprendizaje de múltiples vistas, es necesario calcular vectores de peso canónicos correspondientes a unas pocas de las correlaciones canónicas más grandes. Para esta tarea, proponemos un algoritmo de tipo Jacobi-Davidson para calcular vectores de peso canónicos transformándolo en el llamado problema de autovalores generalizado de correlación canónica. Se establecen resultados de convergencia y se revela la precisión de los vectores de peso canónicos aproximados. Se presentan ejemplos numéricos para respaldar la efectividad del método propuesto.