क्लस्टर और कारक विश्लेषण के बीच का अंतर

क्लस्टर विश्लेषण और कारक विश्लेषण डेटा विश्लेषण के दो सांख्यिकीय तरीके हैं। विश्लेषण के इन दो रूपों का प्राकृतिक और व्यवहार विज्ञान में भारी उपयोग किया जाता है। क्लस्टर विश्लेषण और कारक विश्लेषण दोनों ही उपयोगकर्ता को विश्लेषण के प्रकार के आधार पर डेटा के कुछ हिस्सों को "क्लस्टर" या "कारकों" में समूहित करने की अनुमति देते हैं। क्लस्टर और कारक विश्लेषण के तरीकों के लिए नए कुछ शोधकर्ता महसूस कर सकते हैं कि ये दो प्रकार के विश्लेषण समग्र रूप से समान हैं। जबकि क्लस्टर विश्लेषण और कारक विश्लेषण सतह पर समान प्रतीत होते हैं, वे कई मायनों में भिन्न होते हैं, जिसमें उनके समग्र उद्देश्य और अनुप्रयोग शामिल हैं।

क्लस्टर विश्लेषण और कारक विश्लेषण के अलग-अलग उद्देश्य हैं। कारक विश्लेषण का सामान्य उद्देश्य डेटा के एक सेट में सहसंबंध की व्याख्या करना और चर से संबंधित है एक दूसरे के लिए, जबकि क्लस्टर विश्लेषण का उद्देश्य डेटा के प्रत्येक सेट में विविधता को संबोधित करना है। भावना में, क्लस्टर विश्लेषण वर्गीकरण का एक रूप है, जबकि कारक विश्लेषण सरलीकरण का एक रूप है।

जटिलता एक ऐसा प्रश्न है जिस पर कारक विश्लेषण और क्लस्टर विश्लेषण भिन्न होते हैं: डेटा आकार प्रत्येक विश्लेषण को अलग तरह से प्रभावित करता है। जैसे-जैसे डेटा का सेट बढ़ता है, क्लस्टर विश्लेषण कम्प्यूटेशनल रूप से अट्रैक्टिव हो जाता है। यह सच है क्योंकि क्लस्टर विश्लेषण में डेटा बिंदुओं की संख्या सीधे संभावित क्लस्टर समाधानों की संख्या से संबंधित होती है। उदाहरण के लिए, बीस वस्तुओं को समान आकार के 4 समूहों में विभाजित करने के तरीकों की संख्या 488 मिलियन से अधिक है। यह प्रत्यक्ष कम्प्यूटेशनल विधियों को बनाता है, जिसमें उन तरीकों की श्रेणी शामिल है जिनसे कारक विश्लेषण संबंधित है, असंभव है।

भले ही कारक विश्लेषण और क्लस्टर विश्लेषण दोनों समस्याओं का समाधान कुछ हद तक व्यक्तिपरक है, कारक विश्लेषण एक शोधकर्ता को यह करने की अनुमति देता है एक "सर्वश्रेष्ठ" समाधान प्राप्त करें, इस अर्थ में कि शोधकर्ता समाधान के एक निश्चित पहलू को अनुकूलित कर सकता है (ऑर्थोगोनैलिटी, व्याख्या में आसानी और इसी तरह पर)। क्लस्टर विश्लेषण के लिए ऐसा नहीं है, क्योंकि सभी एल्गोरिदम जो संभवतः एक सर्वोत्तम क्लस्टर विश्लेषण समाधान उत्पन्न कर सकते हैं, कम्प्यूटेशनल रूप से अक्षम हैं। इसलिए, क्लस्टर विश्लेषण को नियोजित करने वाले शोधकर्ता इष्टतम समाधान की गारंटी नहीं दे सकते।

कारक विश्लेषण और क्लस्टर विश्लेषण इस बात में भिन्न हैं कि उन्हें वास्तविक डेटा पर कैसे लागू किया जाता है। क्योंकि कारक विश्लेषण में चर के एक बोझिल सेट को कारकों के एक बहुत छोटे सेट को कम करने की क्षमता है, यह जटिल मॉडल को सरल बनाने के लिए उपयुक्त है। कारक विश्लेषण का एक पुष्टिकरण उपयोग भी होता है, जिसमें शोधकर्ता परिकल्पना का एक सेट विकसित कर सकता है कि डेटा में चर कैसे संबंधित हैं। शोधकर्ता तब इन परिकल्पनाओं की पुष्टि या खंडन करने के लिए डेटा सेट पर कारक विश्लेषण चला सकता है। दूसरी ओर, क्लस्टर विश्लेषण कुछ मानदंडों के अनुसार वस्तुओं को वर्गीकृत करने के लिए उपयुक्त है। उदाहरण के लिए, एक शोधकर्ता नए खोजे गए पौधों के समूह के कुछ पहलुओं को माप सकता है और क्लस्टर विश्लेषण को नियोजित करके इन पौधों को प्रजातियों की श्रेणियों में रख सकता है।