Преимущества дискриминантного анализа:

• сравнительная простота реализации и интерпретации результатов; 1
• возможность использовать для малых размеров выборок. 3

Недостатки:

• чувствительность к распределению исходных данных, когда даже небольшое их изменение приводит к значительным изменениям результатов классификации; 1
• требуется достаточного количества данных для каждого класса, чтобы оценить матрицы разброса; 5
• чувствителен к выбросам и нарушению предположений о нормальности и гомоскедастичности; 5
• может быть неэффективным, когда число признаков сильно превышает число объектов. 5