317476_ja-JP
意見や製品の選択から感情を引き出す
方法を参照してください。
- 基本的なテキストマイニングコンポーネントを定義します：コーパス（データテーブル）、ドキュメント（行）、ドキュメント用語マトリックス（コーパス内の関心のある用語の出現）
- 分散、再コード化、ステミング、Word Cloudを使用してデータをキュレートし、モデリングの準備をします
- Fit Model、Generalized Regression、Elastic Net、BICモデルの検証を使用してデータをモデル化します
- モデルを評価するために、統計、ソリューションパス、およびアクティブなパラメータを調べます
ビデオで示されるトロントカジノ研究
- 問題：
- 提案されたカジノに対する国民の欲求に関する2012年の世論調査からのデータ。
- 〜18,000の調査回答
- 各質問にはスコアとフリーテキストフィールドがあります。
- DSAワークフローの概念実証として使用します。
- 調査結果：
- カジノプロジェクトに関する感情は、一般的にイデオロギーの線に沿っています。
- 街の良さを優先すべきだと感じている人は賛成です。
- 国民自身の善を優先すべきだと感じる人は、一般的に反対です。
- 感情分析は、DSAワークフローを使用して可能です。
ビデオで示されたカスタメア問題研究の雨
- 問題：
- ゲーム・オブ・スローンズのエピソード「キャスタミアの雨」に関するTwitterストリームのデータを分析します。
- Twitterストリームから感情モデルを開発します。
- チャレンジ：
- モデルの応答として、ツイート自体の絵文字を使用する必要があります。
- 絵文字を抽出、デコード、統合してモデル化する必要があります
- 調査結果：
- スクリプトを使用して絵文字を抽出し、理解しやすいものに再コード化しました。
- 因子分析を使用して、根底にある「感情」を抽出し、それらを表現するために使用される絵文字に関連付けることができます。
リソース
31分以上中級JMPをマスターするテキスト分析ビデオ
Comments
There are no comments yet
