Hace un par de días probé, un tanto irreflexivamente, un MCA sobre cuatro variables del registro de Twitter. Todos estos eran nombres de usuario, nombres de pantalla de usuario, nombres de respuesta y similares. Todos son alfabéticos de longitud aleatoria.El procedimiento transcurrió perfectamente.
Ahora he empezado a rehacer el análisis, pensando primero. Mi error obvio.en un archivo de caso 4257, no puedo hacer que 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 la cantidad 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 provocó el tweet.Esto se ejecuta en una máquina Dell de 8 núcleos con 64 GB de memoria.Ha estado funcionando durante dos horas, utilizando 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 coste adicional.Pero la lógica subyacente me molesta, porque no la conozco lo suficiente.
a. Si una variable usa números, pero se designa como modelado 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 utiliza caracteres, palabras o nombres arbitrarios, se mantiene el mismo número: la dimensión máxima en la dirección de los casos es el número de observaciones.Entonces 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 más alto del conjunto.
d. Uno de los miembros de la comunidad JMP realizó un estudio de 600.000 casos y produjo gráficos claros.Debió haber usado una varita mágica o tenía muy pocos valores en la variable objetivo.
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 aproximadamente 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 no logro entender?¿Estoy limitado a algo como mis 4257 casos multiplicados por una variable con solo una docena o dos valores?
Entonces, como ustedes han sido tan amables en el pasado, pensé en descartar esto.Si alguien quiere, puedo subir una tabla con todos los casos y algunas variables, pero no quiero inundar el almacenamiento de otra persona.
:
Gracias, Phil.
El problema es el número de categorías.No es que el programa no pueda calcular con mil categorías, pero lleva mucho tiempo.La pregunta que hago es quién responde a quién.Jugaré un poco más con esto para ver si puedo filtrar una de las variables para reducir el número de categorías.Si sale algo de esto, publicaré los resultados.
larry
Creo que podría ser útil si pudiera compartir algunos datos ilustrativos.
Realmente no entiendo cuál es el objetivo de su análisis y cómo son los datos que está tratando de analizar. No estoy seguro de si MCA es apropiado.
Si entiendo, tienes una tabla con 4257 filas. Eso no es un problema para MCA en JMP Pro.
Un factor más importante será el número de niveles dentro de cada variable.
