La différence entre les grappes et l'analyse factorielle

Objectif

• L'analyse typologique et l'analyse des facteurs ont des objectifs différents. L'objectif habituel de l'analyse factorielle est d'expliquer la corrélation dans un ensemble de données et de relier les variables à l'autre, tandis que l'objectif de l'analyse de cluster est de répondre à l'hétérogénéité dans chaque ensemble de données. Dans le même esprit, l'analyse de cluster est une forme de catégorisation, alors que l'analyse factorielle est une forme de simplification.

Complexité

• 
  
  
  
  

  La complexité est une question sur laquelle l'analyse factorielle et l'analyse de cluster diffèrent: la taille des données affecte chaque analyse différemment. Comme l'ensemble des données augmente, l'analyse de cluster de calcul devient intraitable. Ceci est vrai parce que le nombre de points de données dans l'analyse par grappes est directement liée au nombre de solutions possibles de la grappe. Par exemple, le nombre de façons de diviser vingt objets en 4 groupes de taille égale est plus de 488 millions. Cela rend les méthodes de calcul directs, y compris la catégorie de méthodes pour l'analyse des facteurs qui appartient, impossibles.

Solution

• Même si les solutions aux deux problèmes de l'analyse factorielle et l'analyse de cluster sont subjectives dans une certaine mesure, l'analyse factorielle permet à un chercheur pour obtenir une "meilleure" solution, en ce sens que le chercheur peut optimiser un certain aspect de la solution (orthogonalité, la facilité de interprétation et ainsi de suite). Ce l'est pas pour l'analyse de cluster, puisque tous les algorithmes qui pourraient éventuellement donner une meilleure solution d'analyse de cluster de calcul sont inefficaces. Par conséquent, les chercheurs emploient l'analyse de cluster ne peuvent pas garantir une solution optimale.

Applications

• L'analyse factorielle et l'analyse de cluster diffèrent dans leur façon sont appliquées à des données réelles. Parce que l'analyse factorielle a la capacité de réduire un ensemble de variables lourde à un ensemble beaucoup plus petit de facteurs, il convient de simplifier les modèles complexes. L'analyse factorielle a également une utilisation de confirmation, dans lequel le chercheur de développer un ensemble d'hypothèses concernant la façon dont les variables dans les données sont liées. Le chercheur peut alors exécuter l'analyse factorielle sur l'appareil pour confirmer ou infirmer ces hypothèses données. Analyse de cluster, d'autre part, est adapté pour classer les objets en fonction de certains critères. Par exemple, un chercheur peut mesurer certains aspects d'un groupe de plantes nouvellement découverts et placer ces plantes dans des catégories d'espèces en utilisant l'analyse de cluster.