私は、制御不能なデータの驚異である Twitter フィードに取り組んできました。これに関する避けられない仮説の 1 つは、ユーザーは必ずしも個別のコンテンツや外の世界の出来事に反応するのではなく、他のユーザーに反応するということです。ハワイのコロナウイルスに関するツイートの内容を感染率から予測することは不可能ではありませんが、R 平方が 0.02 未満では説得力がありません。
ユーザー識別子、ツイート エンティティ、メンション、ツイート エンティティ、ハッシュタグ、ユーザーの説明、ユーザー名に対して、よく考えていない MCA を実行すると、添付の非常に劇的な画像が示されました。
残念ながら、ラベルを解読できないため、これをどのようなプレゼンテーションにも使用できません。文字を小さくしたり、タイトルを短くしたりしても、実際には役に立ちません。図を生成するファイルにアクセスして、X、Y 座標とラベル テキストを抽出するにはどうすればよいでしょうか。それができれば、ラベル テキストを編集し、単語を短くし、ほぼ重複している単語を抑制して、図を解釈できるようになります。ソースが全国各地から来ていることは明らかです。また、青い数字は、発生率レベルが Twitter エントリの一部に関連付けられていることを示しています (テキストの内容に関係なく、関連付けはエントリ自体にあります)。
この技術について、ぜひ知りたいです。MCA は、実際には、n ユーザー x n ユーザー マトリックスの生成を必要としない、潜在的にスパースなデータを分析するためのデバイスであると思われます。この推測が正しいことを願っています。
赤い三角形に移動して選択すると、データテーブルの座標とラベルを取得できます。
コレスポンデンス分析=>座標の保存
座標とラベルを使用してデータテーブルを作成します
