A diferença entre agrupamento e análise fatorial

A análise de agrupamento e análise de fatores têm objetivos diferentes. O objetivo usual de análise fatorial é explicar correlação em um conjunto de dados e relacionar variáveis ​​para o outro, enquanto o objectivo da análise de cluster é abordar heterogeneidade em cada conjunto de dados. Em espírito, análise de cluster é uma forma de categorização, ao passo que a análise fatorial é uma forma de simplificação.

Complexidade é uma questão sobre a qual a análise fatorial e análise de cluster diferem: tamanho dos dados afeta cada análise diferente. Como o conjunto de dados cresce, análise de cluster torna-se computacionalmente intratável. Isto é verdade porque o número de pontos de dados na análise de cluster está directamente relacionado com o número de soluções de cluster possíveis. Por exemplo, o número de maneiras de dividir vinte objectos em 4 grupos de igual tamanho é mais de 488 milhões. Isso faz com que métodos computacionais diretos, incluindo a categoria de métodos para que a análise fatorial pertence, impossíveis.

Mesmo que as soluções para ambos os problemas de análise fatorial e análise de agrupamento são subjetivos, em certa medida, análise fatorial permite que um investigador para produzir um "melhor" solução, no sentido em que o pesquisador pode optimizar um determinado aspecto da solução (ortogonalidade, facilidade de interpretação e assim por diante). Isto não é assim para a análise de cluster, desde que todos os algoritmos que poderia render uma melhor solução análise de cluster são computacionalmente ineficiente. Por isso, os pesquisadores empregam análise de cluster não pode garantir uma solução óptima.

A análise fatorial e análise de cluster diferem na forma como eles são aplicados a dados reais. Porque análise fatorial tem a capacidade de reduzir a um conjunto complicado de variáveis ​​a um conjunto muito menor de fatores, é adequado para a simplificação de modelos complexos. A análise fatorial também tem um uso de confirmação, em que o pesquisador pode desenvolver um conjunto de hipóteses sobre como variáveis ​​nos dados estão relacionados. O pesquisador pode, em seguida, executar a análise de fator sobre o conjunto de dados para confirmar ou negar estas hipóteses. A análise de agrupamento, por outro lado, é apropriado para classificar os objectos de acordo com certos critérios. Por exemplo, um pesquisador pode medir certos aspectos de um grupo de plantas recém-descobertas e colocar essas plantas em categorias de espécies, empregando análise de cluster.