我一直在处理无法控制的数据的奇迹，即 Twitter 提要。关于它的不可避免的假设之一是用户对其他用户的响应，不一定是对外部世界中离散的内容或事件的响应。从发病率水平预测有关夏威夷冠状病毒的推文内容并非不可能，但小于 0.02 的 R 平方并不是很有说服力。
在用户标识符上运行一个考虑不周的 MCA，推文实体提及，推文实体有标签，用户描述和用户名呈现了一个非常戏剧性的图片 - 附加。
不幸的是，我不能在任何类型的演示中使用它，因为我无法解开标签。较小的类型和较短的标题并不能真正完成这项工作。如何进入生成图形的文件并提取 X、Y 坐标和标签文本？如果我能做到这一点，我可以编辑标签文本、缩短单词并抑制近乎重复的内容，以便解释图片。很明显，来源来自全国各地——蓝色数字表示发生率水平与某些 Twitter 条目相关（无论文本的内容如何——关联与条目本身有关！）
我真的很想深入了解这项技术。看起来 MCA 实际上是一种分析潜在稀疏数据的设备，不需要生成 n-user x n-user 矩阵。 我希望我在这个假设中是正确的。
您可以通过转到红色三角形并选择来获取数据表中的坐标和标签
对应分析=>保存坐标
它创建一个带有坐标和标签的数据表
