나는 통제할 수 없는 경이로운 데이터인 트위터 피드를 가지고 작업해 왔습니다. 이에 대한 피할 수 없는 가설 중 하나는 사용자가 반드시 외부 세계의 개별 콘텐츠나 이벤트에 반응하는 것이 아니라 다른 사용자에게 반응한다는 것입니다. 하와이의 코로노바이러스에 관한 트윗의 내용을 발병률로부터 예측하는 것은 불가능하지는 않지만, .02 미만의 R-제곱은 그다지 설득력이 없습니다.
사용자 식별자 트윗 엔터티 멘션, 트윗 엔터티 해시 태그, 사용자 설명 및 사용자 이름에 대해 잘못된 MCA를 실행하면 훨씬 더 극적인 그림이 첨부됩니다.
불행하게도 라벨을 풀 수 없기 때문에 어떤 종류의 프레젠테이션에도 사용할 수 없습니다. 더 작은 유형과 짧은 제목은 실제로 작업을 수행하지 않습니다. 그림을 생성하고 X, Y 좌표 및 레이블 텍스트를 추출하는 파일에 어떻게 들어가나요? 그렇게 할 수 있다면 레이블 텍스트를 편집하고, 단어를 줄이고, 거의 중복되는 항목을 억제하여 그림을 해석할 수 있습니다. 출처가 전국 각지에서 나온 것이 분명하며 파란색 숫자는 발생률이 일부 트위터 항목과 연관되어 있음을 나타냅니다(텍스트 내용에 관계없이 항목 자체와 연관성이 있습니다!).
나는 기술에 대한 통찰력을 정말로 원합니다. MCA는 실제로 n-사용자 x n-사용자 행렬 생성이 필요하지 않은 잠재적으로 희소한 데이터를 분석하기 위한 장치인 것으로 보입니다. 나는 이 가정이 옳았기를 바란다.
빨간색 삼각형으로 이동하고 다음을 선택하여 데이터 테이블의 좌표와 레이블을 얻을 수 있습니다.
대응 분석=>좌표 저장
좌표와 레이블이 있는 데이터 테이블을 생성합니다.
