Солодовникова Галина

Для анализа я взяла статистику рождаемости и смертности по годом в РФ Вывод: анализируемые группы данных связаны общей темой, но сутью (рождаемость и смертность) не связаны. Наиболее эффективной моделью, я считаю, является  Linear Projection и Polynomial Regression. Изменения видны.   

  Для анализа я выбрала базу данных last.fm 1) В модели  Network Explorer более выраженные связи видны между роком и классическим роком. Также тесные связи между роком и инди. Они встречаются чаще всего. Доминирующий тип контента серый. 2) Центральным элементом  является rock, он отмечен желтым цветом и кружком. Он доминирует (если не брать в расчет "другое") и связывает несколько направлений 3) На мой взгляд, наиболее удобна модель Network Explorer: в ней четко определены связи между всеми компонентами, в отличии от MDS, в которой все связи смешиваются и Correlations, в которой обозначены слишком подробные данные.  

  Я взяла разные развлечения. В целом, обе модели верно разделили картинки, но в этот раз Image grid выдал более верный результат. Сгруппировал картинки по более узким направлениям. Например, лыжи горные в своей группе, коньки, парашют в другой. В целом, с логикой разделения я согласна, понятно, что можно было более точнее разделить по микро-темам. Думаю, что всё зависит еще от цветовой гаммы и объектов на картинках.

 Я взяла 10 изображений дизайнерских ковров ручной работы   MDS-модель Image Grid 1. Мы рассмотрели две модели (MDS и Image Grid). На мой взгляд  точнее  MDS-модель , хотя обе модели объединяли фотографии по цветовой палитре, но модель Image Grid  удобнее, так как показывает визуально схожесть между фотографиями.  2. Для анализа я выбрала 10 фотографий объединенной одной темой (ручная работа ковров).  Фотографии разделились на группы по  цветам и оттенкам. Я согласна с такими результатами. 

 Для анализа я взяла статьи из 74RU 1.  2. 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.