Un paio di giorni fa ho provato, un po' sconsideratamente, un MCA su quattro variabili dal record di Twitter. Questi erano tutti nomi utente, nomi utente, nomi in risposta e simili. Tutti sono alfabetici di lunghezza casuale.La procedura è andata alla perfezione.
Ora ho iniziato a rifare l'analisi, pensando prima. Il mio errore evidente.su un file di caso 4257, non riesco a far terminare l'esecuzione dell'MCA (non ho aspettato abbastanza a lungo). Il Task Manager di Windows mi dice che il programma non risponde, ma, ovviamente, le dimensioni del core e l'utilizzo della CPU cambiano continuamente.
Ho speculato sul numero di categorie che potrebbero essere generate da queste variabili. Quindi, ho scelto l'ID utente e l'ID dell'entità in risposta a che ha provocato il tweet.Questo è in esecuzione su una macchina Dell 8 core con 64 GB di memoria.È in esecuzione da due ore, utilizzando l'8% della CPU (variabile) un paio di percento) e meno di 5.000 MB di memoria.La riga di commento elenca "non risponde.."Posso lasciare che il lavoro venga eseguito tutta la notte senza costi aggiuntivi.Ma la logica subordinata mi infastidisce, perché non la conosco abbastanza bene.
un. Se una variabile utilizza numeri, ma è designata come modellazione nominale, il numero massimo di categorie corrisponde al numero di casi (ad es. il numero di autori di tweet nel file).
b. Se una variabile utilizza caratteri, parole o nomi arbitrari, vale lo stesso numero: la dimensione massima nella direzione dei casi è il numero di osservazioni.Quindi nessuna differenza.
c. Se una variabile è modellata come un numero, anche se ordinale, il numero di posizioni potrebbe essere il numero di posizioni tra il numero più basso e quello più alto nell'insieme.
d. Uno dei membri della comunità JMP ha condotto uno studio di 600.000 casi e ha prodotto grafici accurati.Deve aver usato una bacchetta magica o aveva pochissimi valori nella variabile target.
e. Se devo fare i conti con la creazione di una matrice chi-a-chi, devo essere preparato per (nel mio caso) una matrice 4257 x 4256 o giù di lì che deve poi essere semplificata.Ma a prima vista, questa matrice sarebbe inferiore a 19 milioni di parole.Non è molto per un computer.
Cosa non riesco a capire?Sono limitato a qualcosa come i miei 4257 casi per una variabile con solo una dozzina o due valori?
Quindi, dal momento che voi ragazzi siete stati così gentili in passato, ho pensato di buttarlo via.Se qualcuno vuole, posso caricare una tabella con tutti i casi e alcune variabili, ma non voglio inondare la memoria di qualcun altro.
:
