การวิเคราะห์กลุ่มตามด้วยการวิเคราะห์จำแนก

เหตุผลถ้ามีการใช้การวิเคราะห์การจำแนก (DA) ในผลลัพธ์ของอัลกอริทึมการจัดกลุ่มเช่น k- หมายถึงเท่าที่ฉันเห็นมันเป็นครั้งคราวในวรรณคดี

โดยทั่วไปจะไม่แนะนำให้ทดสอบความแตกต่างของกลุ่มในตัวแปรที่ใช้ในระหว่างการสร้างคลัสเตอร์เนื่องจากพวกเขาสนับสนุนการขยายใหญ่สุด (resp. minimization) ระหว่างคลาส (resp. ภายในคลาส) ความเฉื่อย ดังนั้นฉันไม่แน่ใจว่าจะชื่นชมคุณค่าที่เพิ่มขึ้นของ DA ที่คาดการณ์ได้อย่างเต็มที่เว้นแต่เราจะพยายามฝังบุคคลในพื้นที่แฟคทอเรียลในมิติที่ต่ำกว่าและรับแนวคิด "generalizability" ของพาร์ติชันดังกล่าว แต่แม้ในกรณีนี้การวิเคราะห์กลุ่มยังคงเป็นเครื่องมือพื้นฐานดังนั้นการใช้ความเป็นสมาชิกในชั้นเรียนคำนวณด้วยวิธีนี้เพื่อให้ได้กฎการให้คะแนนที่ดูแปลก ๆ ตั้งแต่แรกเห็น

คำแนะนำแนวคิดหรือพอยน์เตอร์ไปยังเอกสารที่เกี่ยวข้อง?

ฉันไม่รู้เอกสารใด ๆ เกี่ยวกับเรื่องนี้ ฉันใช้วิธีนี้เพื่ออธิบาย DFA เป็นวิธีที่ดีในการสรุปความแตกต่างของกลุ่มและมิติที่เกี่ยวข้องกับตัวแปรดั้งเดิม หนึ่งอาจง่ายกว่าเพียงโปรไฟล์กลุ่มในตัวแปรดั้งเดิมอย่างไรก็ตามสิ่งนี้สูญเสียธรรมชาติหลายตัวแปรของปัญหาการจัดกลุ่ม DFA ช่วยให้คุณสามารถอธิบายกลุ่มขณะที่ยังคงอักขระหลายตัวแปรของปัญหาไว้ ดังนั้นมันสามารถช่วยในการตีความกลุ่มซึ่งเป็นเป้าหมาย วิธีนี้เหมาะอย่างยิ่งเมื่อมีความสัมพันธ์ใกล้ชิดระหว่างวิธีการจัดกลุ่มของคุณและวิธีการจัดหมวดหมู่ของคุณ - เช่น DFA และวิธีการของ Ward

คุณมีสิทธิ์เกี่ยวกับปัญหาการทดสอบ ฉันเผยแพร่บทความโดยใช้การวิเคราะห์กลุ่มด้วยการติดตาม DFA เพื่ออธิบายวิธีการจัดกลุ่ม ฉันแสดงผลลัพธ์ DFA โดยไม่มีสถิติการทดสอบ ผู้ตรวจสอบมีปัญหากับสิ่งนั้น ฉันยอมรับและวางสถิติการทดสอบและค่า p ไว้ในนั้นด้วยข้อจำกัดความรับผิดชอบที่ค่า p เหล่านี้ไม่ควรตีความในลักษณะดั้งเดิม