A diferença entre Cluster & Fator Análise

A análise de agrupamento e análise fatorial são dois métodos estatísticos de análise de dados. Estas duas formas de análise são muito utilizadas nas ciências naturais e de comportamento. Tanto a análise de cluster e análise fatorial permitem ao usuário agrupar partes de os dados em "clusters" ou em "fatores ", dependendo do tipo de análise. Alguns pesquisadores novos para os métodos de análise de cluster e fator pode sentir que estes dois tipos de análise são semelhantes geral. Enquanto a análise de cluster e análise fatorial parecem semelhantes na superfície, eles diferem em muitos aspectos , inclusive em seus objetivos e aplicações gerais. Objetivo

análise de cluster e análise fatorial têm objetivos diferentes. O objetivo usual de análise fatorial é explicar correlação em um conjunto de dados e relacionar variáveis ​​entre si, enquanto que o objetivo da análise de cluster é abordar heterogeneidade em cada conjunto de dados. Em espírito , análise de cluster é uma forma de categorização , enquanto que a análise fatorial é uma forma de simplificação.
Complexidade

Complexidade é uma questão sobre a qual a análise fatorial e análise de cluster diferem : o tamanho dos dados afeta cada análise diferente. À medida que 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 diretamente relacionada com o número de soluções de cluster possíveis . Por exemplo , o número de maneiras de dividir vinte objetos em 4 grupos de igual tamanho é superior a 488 milhões . Isso faz com que métodos computacionais directos, incluindo a categoria de métodos para análise de fatores que pertence, impossível.
Solution

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

análise fatorial e análise de cluster diferem na forma como eles são aplicados a dados reais . Porque a análise fatorial tem a capacidade de reduzir um conjunto de difícil controle 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 a respeito de como as variáveis ​​nos dados estão relacionados. O pesquisador pode, então, executar a análise de fator no conjunto de dados para confirmar ou negar essas hipóteses . A análise de agrupamento , por outro lado, é adequado para a classificação de objetos de acordo com determinados 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.