数日前、私はやや無思慮に、Twitter レコードの 4 つの変数に対して MCA を試みました。 これらはすべて、ユーザー名、ユーザーのスクリーン名、応答先の名前などでした。 すべてはランダムな長さのアルファベットです。手順は完璧に実行されました。
今、私はまず考えて分析をやり直し始めています。 私の明らかな間違いです。4257 ケース ファイルでは、MCA の実行を完了できません (十分な時間待機していません)。Windows タスク マネージャーには、プログラムが応答していないと表示されますが、もちろん、コア サイズと CPU 使用率は継続的に変化します。
これらの変数から生成される可能性のあるカテゴリの数について推測しました。 そこで、ユーザー ID と、ツイートを行った応答先エンティティの ID を選択しました。これは、64 GB のメモリを搭載した Dell 8 コア マシンで実行されています。2 時間実行され、CPU の 8% (数パーセントは異なる) と 5,000 MB 未満のメモリが使用されました。コメント行には「応答していません。」と表示されます。追加料金なしで、一晩中ジョブを実行できます。しかし、私はそれを十分に知らないので、下位のロジックが気になります。
ａ．変数が数値を使用しているが、公称モデリングとして指定されている場合、カテゴリの最大数はケースの数になります (ファイル内のツイート作成者の数など)。
b.変数が任意の文字、単語、または名前を使用する場合、同じ数が保持されます。ケースの方向の最大次元は観測値の数です。したがって、違いはありません。
c.変数が数値としてモデル化されている場合、たとえ序数であっても、位置の数はセット内の最小値と最大値の間の桁数になる可能性があります。
d. JMP コミュニティのメンバーの 1 人は 600,000 件のケーススタディを実施し、きちんとしたグラフを作成しました。彼は魔法の杖を使ったに違いありません。あるいは、ターゲット変数にほとんど値が入っていなかったに違いありません。
e.誰と誰の行列を作成する必要がある場合は、(私の場合) 4257 x 4256 程度の行列を準備し、それを簡略化する必要があります。しかし、最初に推測すると、この行列は 1,900 万語未満になるでしょう。それはコンピュータにとっては大したことではありません。
私が何を理解できていないのでしょうか？4257 件の値に 12 個か 2 個の値しかない変数を掛けたものに限定されるのでしょうか?
それで、皆さんがこれまでとても親切にしてくださったので、これを捨ててもいいかなと思いました。誰かが望むなら、すべてのケースといくつかの変数を含むテーブルをアップロードできますが、他の人のストレージをいっぱいにしたくありません。
:
ありがとう、フィル。
問題はカテゴリの数です。プログラムが 1,000 個ほどのカテゴリを計算できないわけではありませんが、非常に時間がかかります。私が尋ねているのは、誰が誰に答えるかということです。変数の 1 つをスクリーニングしてカテゴリの数を減らすことができるかどうかを確認するために、これをもう少し試してみます。何か結果が出たら結果を載せます。
ラリー
いくつかの具体的なデータを共有していただけると役立つかと思います。
分析の目的が何なのか、分析しようとしているデータがどのようなものなのかがよくわかりません。 MCAが適切かどうかはわかりません。
私の理解では、4257 行のテーブルがあることになります。 JMP Pro の MCA ではこれは問題ではありません。
さらに重要な要素は、各変数内のレベルの数です。
