R语言进阶之如何正确认识判别分析和聚类分析

到现在为止，我已经和大家讲解过判别分析和聚类分析了，可能有些朋友会认为这两个是一回事，在这里我需要强调一下------判别分析和聚类分析是两回事！！！

所谓判别就是判定某一样本点所属的类别，其前提是类别已经确定，由已确定的类别及相关数据来拟合模型，从而用模型去预测某一样本点所属的类别。另外，在判别分析中我们要明确：线性判别的计算量小于二次判别，但使用它的前提是各类的同方差性，如果样本足够大的话也是优先选择线性判别分析。

但是聚类分析则是对样本进行分类，在分析之前我们是不知道关于类别的相关信息，我们通过模型的拟合去给数据分类，这样我们可能会对数据有一个整体的印象。当然你也可以根据聚类的结果来预测新样本点所属的类别。

虽然我都是鸢尾花（iris）数据集为例进行讲解，但是细心的朋友应该能发现：聚类分析时我将鸢尾花种类的变量剔除掉了。判别分析中，我们在已知三类的情况下拟合模型来预测新样本所属的类别，但是聚类分析中我们不难看出将整体数据聚成两类更好。这主要是因为“versicolor”和“virginica”这两类很难用花瓣和花萼来区分，反映在判别分析中就是这两类的误判率较高，而聚类分析中就是这两个被聚成一个大类。

关于判别分析和聚类分析的区别和联系就讲到这里，希望大家能正确认识并区分。