Разликата между клъстерния и факторния анализ

Клъстерният анализ и факторният анализ са два статистически метода за анализ на данните. Тези две форми на анализ се използват широко в естествените науки и науките за поведението. Както клъстерният анализ, така и факторният анализ позволяват на потребителя да групира части от данните в „клъстери“ или върху „фактори“, в зависимост от вида на анализа. Някои изследователи, които са нови в методите на клъстерния и факторния анализ, могат да почувстват, че тези два вида анализ са сходни като цяло. Докато клъстерният анализ и факторният анализ изглеждат сходни на повърхността, те се различават по много начини, включително в общите си цели и приложения.

Клъстерният анализ и факторният анализ имат различни цели. Обичайната цел на факторния анализ е да се обясни корелацията в набор от данни и да се свържат променливи един към друг, докато целта на клъстерния анализ е да се обърне внимание на хетерогенността във всеки набор от данни. В духа си клъстерният анализ е форма на категоризация, докато факторният анализ е форма на опростяване.

Сложността е един въпрос относно това кой фактор анализ и клъстер анализ се различават: размерът на данните засяга различно всеки анализ. С нарастването на набора от данни клъстерният анализ става изчислително неразрешим. Това е вярно, тъй като броят на точките от данни при клъстерния анализ е пряко свързан с броя на възможните клъстерни решения. Например броят на начините за разделяне на двадесет обекта на 4 клъстера с еднакъв размер е над 488 милиона. Това прави преките изчислителни методи, включително категорията на методите, към които принадлежи факторният анализ, невъзможни.

Въпреки че решенията както за факторния анализ, така и за проблемите на клъстерния анализ са субективни до известна степен, факторният анализ позволява на изследователя да дават „най-доброто“ решение в смисъл, че изследователят може да оптимизира определен аспект на решението (ортогоналност, лекота на тълкуване и т.н. На). Това не е така за клъстерния анализ, тъй като всички алгоритми, които биха могли да дадат най-доброто решение за клъстерен анализ, са изчислително неефективни. Следователно изследователите, използващи клъстерния анализ, не могат да гарантират оптимално решение.

Факторният анализ и клъстерният анализ се различават по начина, по който се прилагат към реалните данни. Тъй като факторният анализ има способността да намали тромавия набор от променливи до много по-малък набор от фактори, той е подходящ за опростяване на сложни модели. Факторният анализ също има потвърждаваща употреба, при която изследователят може да разработи набор от хипотези относно това как променливите в данните са свързани. След това изследователят може да извърши факторен анализ на набора от данни, за да потвърди или отрече тези хипотези. Клъстерният анализ, от друга страна, е подходящ за класифициране на обекти според определени критерии. Например, изследовател може да измери някои аспекти на група новооткрити растения и да ги постави във видови категории, като използва клъстерния анализ.