В чем преимущества и недостатки кластерного анализа перед дискриминантным?

Преимущества кластерного анализа перед дискриминантным:

• Кластерный анализ позволяет выявлять закономерности и взаимосвязи в данных, упорядочивать их и делать более управляемыми и удобными для анализа. mindthegraph.com Он не накладывает ограничений на тип или формат анализируемых данных. mindthegraph.com
• Дискриминантный анализ изначально задаёт количество и состав классов, что позволяет определить, насколько точно можно предсказать принадлежность объектов к классам при помощи определённого набора дискриминантных переменных (предикторов). nafi.ru

Недостатки кластерного анализа:

• Выбор подходящего алгоритма и определение оптимального числа кластеров может быть сложной задачей и требовать определённых знаний и опыта. edu-sigma.ru
• Результаты могут варьироваться в зависимости от выбранного начального разбиения объектов. edu-sigma.ru
• Интерпретация результатов может быть сложной задачей, особенно при большом количестве признаков и сложных взаимосвязях между ними. edu-sigma.ru
• При сведении исходного массива данных к более компактному виду могут возникать определённые искажения, а также теряться индивидуальные черты отдельных объектов. dump.vstu.ru
• Кластеризация больших массивов данных может быть дорогостоящей и трудоёмкой, а для её выполнения может потребоваться специализированное аппаратное или программное обеспечение. mindthegraph.com

Недостатки дискриминантного анализа:

• Чувствительность к распределению исходных данных, когда даже небольшое их изменение приводит к значительным изменениям результатов классификации. wiki.loginom.ru