Il y a quelques jours, j'ai essayé, un peu inconsidérément, une MCA sur quatre variables de l'enregistrement Twitter. Il s'agissait de tous les noms d'utilisateur, de noms d'écran d'utilisateur, de noms de réponse, etc. Tous sont alphabétiques de longueur aléatoire.La procédure s'est parfaitement déroulée.
Maintenant, j'ai commencé à refaire l'analyse, en réfléchissant d'abord. Mon erreur évidente.sur un dossier 4257, je n'arrive pas à terminer l'exécution du MCA (je n'ai pas attendu assez longtemps). Le Gestionnaire des tâches de Windows me dit que le programme ne répond pas, mais, bien sûr, la taille du cœur et l'utilisation du processeur changent continuellement.
J'ai spéculé sur le nombre de catégories qui pourraient être générées à partir de ces variables. J'ai donc choisi l'ID utilisateur et l'ID de l'entité en réponse à l'origine du tweet.Celui-ci fonctionne sur une machine Dell à 8 cœurs avec 64 Go de mémoire.Il fonctionne depuis deux heures, utilisant 8 % du processeur (variant quelques pour cent) et moins de 5 000 Mo de mémoire.La ligne de commentaire indique « ne répond pas ».Je peux laisser le travail se dérouler toute la nuit sans frais supplémentaires.Mais la logique sous-jacente me dérange, car je ne la connais pas assez bien.
un. Si une variable utilise des nombres, mais est désignée comme modélisation nominale, le nombre maximum de catégories est le nombre de cas (par exemple le nombre d'auteurs de tweets dans le fichier).
b. Si une variable utilise des caractères, des mots ou des noms arbitraires, le même nombre est valable : la dimension maximale dans la direction des observations est le nombre d'observations.Donc aucune différence.
c. Si une variable est modélisée sous forme de nombre, même s'il est ordinal, le nombre de positions peut être le nombre de places entre le nombre le plus bas et le plus élevé de l'ensemble.
d. L'un des membres de la communauté JMP a réalisé une étude de 600 000 cas et produit des graphiques soignés.Il a dû utiliser une baguette magique ou avoir très peu de valeurs dans la variable cible.
e. Si je dois envisager de créer une matrice qui-à-qui, je dois me préparer (dans mon cas) à une matrice de 4257 x 4256 environ qui doit ensuite être simplifiée.Mais à première vue, cette matrice ferait moins de 19 millions de mots.Ce n'est pas grand-chose pour un ordinateur.
Qu’est-ce que je n’arrive pas à comprendre ?Suis-je limité à quelque chose comme mes 4257 cas multipliés par une variable avec seulement une douzaine ou deux valeurs ?
Donc, puisque vous avez été si gentils dans le passé, j'ai pensé que je pourrais jeter ça de côté.Si quelqu'un le souhaite, je peux télécharger un tableau avec tous les cas et quelques variables, mais je ne veux pas inonder le stockage de quelqu'un d'autre.
:
Merci, Phil.
Le problème est le nombre de catégories.Ce n’est pas que le programme ne puisse pas calculer avec un millier de catégories, mais cela prend vraiment beaucoup de temps.La question que je pose est de savoir qui répond à qui.Je vais jouer un peu plus avec cela pour voir si je peux filtrer l'une des variables afin de réduire le nombre de catégories.Si quelque chose en ressort, je publierai les résultats.
Larry
Je pense que cela pourrait aider si vous pouviez partager quelques données illustratives.
Je ne comprends pas vraiment quel est l'objectif de votre analyse et à quoi ressemblent les données que vous essayez d'analyser. Je ne sais pas si le MCA est approprié.
Si je comprends bien, vous avez un tableau de 4257 lignes. Ce n'est pas un problème pour MCA dans JMP Pro.
Un facteur plus important sera le nombre de niveaux au sein de chaque variable.
