Hace un par de días probé, un tanto irreflexivamente, un MCA sobre cuatro variables del registro de Twitter. Estos eran todos los nombres de usuario, nombres de pantalla de usuario, nombres de respuesta y similares. Todos son alfabéticos de longitud aleatoria.El procedimiento funcionó a la perfección.
Ahora he comenzado a rehacer el análisis, pensando primero. Mi evidente error.en un archivo de caso 4257, no puedo hacer que el MCA termine de ejecutarse (no he esperado lo suficiente). El Administrador de tareas de Windows me dice que el programa no responde, pero, por supuesto, el tamaño del núcleo y el uso de la CPU cambian continuamente.
Especulé sobre el número de categorías que podrían generarse a partir de estas variables. Entonces, elegí la ID de usuario y la ID de la entidad en respuesta que ocasionó el tweet.Esto se ejecuta en una máquina Dell de 8 núcleos con 64 GB de memoria.Ha estado funcionando durante dos horas, usando el 8% de la CPU (variando un par de por ciento) y menos de 5000 MB de memoria.La línea de comentarios enumera "no responde..."Puedo dejar que el trabajo funcione toda la noche sin costo adicional.Pero la lógica subyacente me molesta, porque no la conozco lo suficientemente bien.
una. Si una variable usa números, pero se designa como modelo nominal, el número máximo de categorías es el número de casos (por ejemplo, el número de autores de tweets en el archivo).
b. Si una variable usa caracteres, palabras o nombres arbitrarios, se mantiene el mismo número: la dimensión máxima en la dirección de los casos es el número de observaciones.Así que no hay diferencia.
C. Si una variable se modela como un número, incluso si es ordinal, el número de posiciones podría ser el número de lugares entre el número más bajo y el más alto del conjunto.
d. Uno de los miembros de la comunidad JMP realizó un estudio de 600 000 casos y produjo gráficos nítidos.Debe haber usado una varita mágica, o tenía muy pocos valores en la variable de destino.
mi. Si debo contar con la creación de una matriz de quién a quién, debo estar preparado para (en mi caso) una matriz de 4257 x 4256 o más o menos que luego se simplificará.Pero a primera vista, esta matriz tendría menos de 19 millones de palabras.Eso no es mucho para una computadora.
¿Qué estoy fallando en entender?¿Estoy limitado a algo como mis 4257 casos multiplicados por una variable con solo una docena o dos valores?
Entonces, ya que ustedes han sido tan amables en el pasado, pensé que podría tirar esto.Si alguien quiere, puedo cargar una tabla con todos los casos y algunas variables, pero no quiero inundar el almacenamiento de otra persona.
:
