Debilidades del Análisis discriminante

Análisis discriminante , una herramienta estadística para los investigadores, es un método avanzado de clasificación de datos . Mientras que su existencia en la literatura de la estadística aplicada es evidente , sus debilidades en la eficacia no es . En general, el análisis discriminante es una herramienta útil para su clasificación, pero un investigador debe entender sus debilidades antes de aplicarlo. Mecánica Inconsistente

del análisis discriminante son diferentes dependiendo del enfoque adoptado . Hay dos tipos principales de análisis discriminante : análisis discriminante de Fisher y análisis discriminante de Mahalanobis . Debido a los procesos disímiles involucrados en estos dos enfoques para el análisis discriminante , las soluciones resultantes no son iguales. Añádase a esto la adición de otros enfoques, nuevos para el análisis discriminante , como el análisis discriminante Kernel , y usted encontrará que los investigadores que utilizan resultados inconsistentes discriminante análisis de rendimiento en los mismos conjuntos de datos. Esto es problemático , cuando en realidad la aplicación de la clasificación del análisis discriminante para los puntos de datos reales.
Poco intuitivo

Debido a la complejidad de la mecánica del análisis discriminante , es una herramienta difícil de manejar para todos aquellos pero la matemática -comprensión . Herramientas similares , como la regresión múltiple, son tan flexibles como el análisis discriminante sin llevar a lo largo de la complejidad y la especificidad asociada con el análisis discriminante. De este modo, son más populares entre los investigadores . Para comprender verdaderamente el procedimiento de utilizar el análisis discriminante para producir una solución a un problema de investigación , el investigador debe tener una amplia experiencia en el álgebra matricial , cálculo matricial y estadística avanzada .
Predicción

La predicción disponibles a través del análisis discriminante no es cierta la predicción. En estadística , la predicción permite a los investigadores saben ciertas propiedades de un punto de datos en un grado muy específico (por ejemplo, dentro de un intervalo de confianza o margen de error). Sin embargo , el análisis discriminante no tiene esta característica; análisis discriminante clasifica lugar . En otras palabras , el análisis discriminante sólo puede decir un investigador la agrupación probable de un cierto punto de datos; no se puede decir a los investigadores a otras propiedades del punto de datos o qué tan probable es el punto de datos es un miembro del grupo clasificado .
bondad del ajuste

Mientras que la mayoría herramientas y modelos estadísticos han pruebas de bondad de ajuste de fácil aplicación , análisis discriminante sigue siendo una bestia complicada . En lugar de tener estadísticas fácilmente calculadas que pueden representar la bondad de ajuste (por ejemplo , R-cuadrado para la regresión múltiple), análisis discriminante por lo general usa " golpeó las tasas " para evaluar la bondad de ajuste . Proporción de coincidencias se refiere a la frecuencia con análisis discriminante clasifica correctamente un punto de datos . Sin embargo , incluso a calcular una tasa de éxito , usted tiene que recoger un nuevo conjunto de datos. Incluso en este modo, la tasa de éxito es problemático e impreciso en el caso de que los tamaños de los grupos no son iguales - . , Que es casi siempre el caso