क्लस्टर और फैक्टर विश्लेषण के बीच अंतर

विषय

• उद्देश्य
• जटिलता
• उपाय
• अनुप्रयोग

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 उपयोगकर्ता को डेटा के कुछ हिस्सों को "क्लस्टर" या "कारकों" पर, विश्लेषण के प्रकार के आधार पर समूहित करने की अनुमति देते हैं। कुछ शोधकर्ता क्लस्टर और कारक विश्लेषण के तरीकों के लिए नए हैं, यह महसूस कर सकते हैं कि ये दो प्रकार के विश्लेषण समग्र रूप से समान हैं। जबकि क्लस्टर विश्लेषण और कारक विश्लेषण सतह पर समान लगते हैं, वे अपने समग्र उद्देश्यों और अनुप्रयोगों सहित कई मायनों में भिन्न होते हैं।

उद्देश्य

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 को एक दूसरे से संबंधित करना है, जबकि क्लस्टर विश्लेषण का उद्देश्य डेटा के प्रत्येक सेट में विविधता को संबोधित करना है। आत्मा में, क्लस्टर विश्लेषण वर्गीकरण का एक रूप है, जबकि कारक विश्लेषण सरलीकरण का एक रूप है।

जटिलता

जटिलता एक सवाल है जिस पर कारक विश्लेषण और क्लस्टर विश्लेषण भिन्न होता है: डेटा आकार प्रत्येक विश्लेषण को अलग तरह से प्रभावित करता है। जैसे ही डेटा का सेट बढ़ता है, क्लस्टर विश्लेषण कम्प्यूटेशनल रूप से इंट्रेक्टेबल हो जाता है। यह सच है क्योंकि क्लस्टर विश्लेषण में डेटा बिंदुओं की संख्या संभावित क्लस्टर समाधानों की संख्या से सीधे संबंधित 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 तरीके बनाता है, जिसमें उन तरीकों की श्रेणी शामिल है जिनमें कारक विश्लेषण संबंधित हैं, असंभव है।

उपाय

भले ही कारक विश्लेषण और क्लस्टर विश्लेषण दोनों समस्याओं का समाधान कुछ हद तक व्यक्तिपरक हो, कारक विश्लेषण एक शोधकर्ता को "सर्वश्रेष्ठ" समाधान प्राप्त करने की अनुमति देता है, इस अर्थ में कि शोधकर्ता समाधान के एक निश्चित पहलू (ऑर्थोगोनलिटी, आसानी से अनुकूलन कर सकता है) व्याख्या और इतने पर)। क्लस्टर विश्लेषण के लिए ऐसा नहीं है, क्योंकि सभी एल्गोरिदम जो संभवतः सबसे अच्छा क्लस्टर विश्लेषण समाधान प्राप्त कर सकते हैं वे कम्प्यूटेशनल रूप से अक्षम हैं। इसलिए, क्लस्टर विश्लेषण का उपयोग करने वाले शोधकर्ता एक इष्टतम समाधान की गारंटी नहीं दे सकते हैं।

अनुप्रयोग

फैक्टर विश्लेषण और क्लस्टर विश्लेषण अलग-अलग हैं कि वे वास्तविक डेटा पर कैसे लागू होते हैं। चूँकि कारक विश्लेषण में चर के एक छोटे सेट को कारकों के बहुत छोटे समूह में कम करने की क्षमता होती है, यह जटिल मॉडल को सरल बनाने के लिए उपयुक्त है। फैक्टर विश्लेषण का एक पुष्टिकरण उपयोग भी है, जिसमें शोधकर्ता डेटा में चर कैसे संबंधित है, इस बारे में परिकल्पना का एक सेट विकसित कर सकता है। शोधकर्ता तब इन परिकल्पनाओं की पुष्टि या खंडन करने के लिए निर्धारित आंकड़ों 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 इन पौधों को क्लस्टर विश्लेषण को नियुक्त करके प्रजातियों की श्रेणियों में रख सकता है।