Fraquezas da análise discriminante

análise discriminante , uma ferramenta estatística para os pesquisadores , é um método avançado de classificação de dados . Embora a sua existência na literatura de estatística aplicada é aparente, as suas fraquezas na eficácia não é. Em geral, a análise discriminante é uma ferramenta útil para fins de classificação , mas um pesquisador deve compreender suas fraquezas antes de aplicá -lo. Mecânica inconsistente

da análise discriminante são diferentes, dependendo da estratégia escolhida. Existem dois tipos principais de análise discriminante : análise discriminante de Fisher e análise discriminante de Mahalanobis . Devido aos processos diferentes envolvidas nestas duas abordagens para a análise discriminante , as soluções resultantes não são iguais . Adicione a isso a adição de outras abordagens, mais recentes para análise discriminante , como análise discriminante Kernel, e você vai descobrir que os pesquisadores que usam resultados inconsistentes rendimento análise discriminante com os mesmos conjuntos de dados. Isso é problemático quando , na verdade, aplicando a classificação da análise discriminante para os pontos de dados reais.

Unintuitive

Devido à complexidade da mecânica da análise discriminante , é uma ferramenta de difícil controle para todos aqueles mas o matematicamente -savvy . Ferramentas semelhantes, como de regressão múltipla, são tão flexíveis quanto a análise discriminante sem levar junto a complexidade e especificidade associada à análise discriminante . Assim, eles são mais populares com os pesquisadores . Para compreender verdadeiramente o processo de utilização de análise discriminante para produzir uma solução para um problema de pesquisa , um pesquisador deve ter uma vasta experiência com álgebra matricial , cálculo matricial e estatísticas avançadas .

Previsão

A previsão disponíveis através de análise discriminante não é verdade previsão. Nas estatísticas , a previsão permite aos pesquisadores saber certas propriedades de um ponto de dados em um grau muito específico (como dentro de um intervalo de confiança ou a margem de erro). No entanto, a análise discriminante não tem essa característica; análise discriminante em vez classifica . Em outras palavras, a análise discriminante só pode dizer a um pesquisador do grupo provável de um determinado ponto de dados; ele não pode dizer os pesquisadores outras propriedades do ponto de dados ou quão provável é o ponto de dados é um membro do grupo de classificados .

bondade de ajuste

Enquanto a maioria ferramentas e modelos estatísticos têm testes de adequação de fácil aplicação , análise discriminante continua a ser uma besta complicada. Em vez de ter estatísticas facilmente computados que podem representar bondade de ajuste (por exemplo, R-quadrado para a regressão múltipla) , análise discriminante geralmente usa “hit taxas ” para avaliar a qualidade do ajuste . Taxa de acerto refere-se à freqüência de análise discriminante classifica corretamente um ponto de dados. No entanto, até mesmo para calcular uma taxa de sucesso, você tem que recolher um novo conjunto de dados. Mesmo ao fazê-lo , a taxa de acerto é problemático e imprecisa no caso em que o tamanho dos grupos não são iguais – . Que é quase sempre o caso