我一直在處理無法控制的數據的奇蹟，即 Twitter 提要。關於它的不可避免的假設之一是用戶對其他用戶的響應，不一定是對外部世界中離散的內容或事件的響應。從發病率水平預測有關夏威夷冠狀病毒的推文內容並非不可能，但小於 0.02 的 R 平方並不是很有說服力。
在用戶標識符上運行經過深思熟慮的 MCA，推文實體提及，推文實體有標籤，用戶描述和用戶名呈現出更加戲劇化的圖片 - 附加。
不幸的是，我不能在任何類型的演示中使用它，因為我無法解開標籤。較小的字體和較短的標題並不能真正發揮作用。如何進入生成圖形的文件並提取 X、Y 坐標和標籤文本？如果我能做到這一點，我可以編輯標籤文本、縮短單詞並抑制近乎重複的內容，以便解釋圖片。很明顯，來源來自全國各地——藍色數字表示發生率水平與某些 Twitter 條目相關（無論文本的內容如何——關聯與條目本身有關！）
我真的很想深入了解這項技術。看起來 MCA 實際上是一種分析潛在稀疏數據的設備，不需要生成 n-user x n-user 矩陣。 我希望我在這個假設中是正確的。
您可以通過轉到紅色三角形並選擇來獲取數據表中的坐標和標籤
對應分析=>保存坐標
它創建一個帶有坐標和標籤的數據表
