домашняя работа

 Д ля анализа я выбрала базу данных last.fm 1. Наиболее важные связи это серые, голубые и зеленые. Они встречаются чаще, чем остальные. Хорошо видно это на MDS. Там же заметно что доминирующий тип контента серые звездочки, так как они встречаются чаще и вмещают в себя все жанры музыки, которые не попали в основные. 2. Центральным элементом в NE является rock, он отмечен зеленым цветом и кружком. Но в MDS также центральны и все серые обозначения - other.  3. Моему восприятию больше удобна MDS, так как от нее не разбегаются глаза, как от того же NE, а correlations оказалась наиболее непонятной.

Для анализа я взяла фото различных морских обитателей.  Модель Clustering - группа C1 состоит из дельфина и косатки, т.к. у них схожая форма. В другую группу C2 попали медуза и скат, т.к.  наверное, у них темные цвета на фотографиях. В отдельную группу C3 выведена морская звезда, возможно, потому, что она единственная отличается, и по оттенкам, и по форме. В группу C4 попали остальные животные, т.к. у них имеются желтые оттенки на фотографиях Модель Image Grid - м орской конек, рыба и осьминог ,возможно, объединены, потому что присутствуют желтые детали на данных фотографиях. Косатка, скат, дельфины и краб  имеют темные оттенки на фотографиях, но медуза вообще не подходит под эту группу. Разделение фотографий по группам у модели Image Grid мне не совсем понятно.  Модель t-SNE - морской конек, клоуны, желтая рыба объединены опять же по цветовому признаку (присутствие желтого цвета на фото).   Звезда, скат, дельфины, медуза  объединены, вероятно, по прео...

  Для анализа я взяла фото различных морских обитателей.  Модель Image Grid. Морской конек, рыба и осьминог возможно объединены, потому что присутствуют желтые детали на данных фотографиях. Косатка, скат, дельфины и краб  имеют темные оттенки на фотографиях, но медуза вообще не подходит под эту группу. Разделение фотографий по группам у модели Image Grid мне не совсем понятно.  Модель MDS. Группы здесь объединены по непонятному мне принципу. Обе модели не очень точны, но всё же лучше модель Image Grid.

Я выбрала для анализа статьи на тему косметики и красоты  Выбранные мной тексты разделились на 3  группы: первая  группа рассказывает о конкретных советах по макияжу и уходу за собой ( как наносить косметику, каким образом правильно делать массаж лица и т.д.) . В третьей группе тексты, которые содержат советы какие конкретно продукты лучшие для покупки. В отдельную группу попал четвертый текст, я думаю т.к. он единственный рассказывает про кожу и ее особенности. Да, число групп меняется при изменении уровня кластеризации. Если перемещать вертикальный пунктир слева направо - количество групп увеличивается. При перемещении разделителя в левую сторону количество групп уменьшается. 

  Для анализа я выбрала  рецензии на два разных аниме  Результаты по первому тексту: Результаты по второму тексту: Word cloud гораздо лучше справляется с задачей чем topic modelling. Word cloud выявляет ключевые слова текста, topic modelling концентрируется больше на предлогах, что не является  репрезентативным результатом. 

Для задания я выбрала косметические бренды   1.  Clarins Больше всего присутствует нейтральное и положительное упоминание бренда.  Чаще встречается на фото или в видео, а поиск в интернете связан со скидками на бренд в Иль дэ ботэ, так как бренд там представлен. 2. LOreal Упоминание о бренде чаще всего нейтральное и позитивное. Публикации с упоминанием этого бренда чаще всего в формате фото, видео и ссылок. Судя по ключевым словам, пользователей больше всего интересуют скидки до конца марта на различных торговых площадках, где представлен бренд. 3. Dove Упоминание бренда чаще всего нейтральное и положительное. Публикации про бренд представлены в формате фото и видео. По ключевым словам лидирует запрос про косметичку из нейлона  для  косметики бренда. Вывод: анализируемые мной бренды больше имеют положительную окраску нежели отрицательную.

задание 2 Я выбрала для анализа две  разных рецензии  на сериал  "Во все тяжкие". Одна рецензия отрицательная, а другая положительная. Результаты анализа эмоциональности первого текста: Результаты анализа эмоциональности второго текста: Исходя из представленных графиков, можно сделать вывод, что первый текст в целом имеет негативный оттенок. Большинство используемых слов относится к негативной категории, в то время как лишь несколько абстрактных терминов и символов (таких как "?", "далее") попадают в позитивный спектр. Можно с уверенностью утверждать, что второй текст демонстрирует более положительный настрой. В нем содержится значительно больше слов, относящихся к позитивной категории,  большинство из них расположено в нейтральной зоне.  Наиболее точную оценку даёт модель MDS.