Дана Боброва

Для анализа я взяла данные о норме веса и предожирении у населения России за 2022, 2023 и 2024 годы.  Моя таблица Эти данные объеденены тем, что они показывают процент населения, подверженных риску ожирения и процент населения с нормой ИМТ. Разница только в проценте. Результаты исследования:  Polynomial Regression   Linear Projection Data Table Scatter Plot Interactive k-Means Вывод:  На мой взгляд,  наиболее эффективной оказалась модель  Scatter Plot, так как она более понятна визуально и более точна в своих данных.   Д а нные в ней распределены логично и просто для понимания, по этой модели легче отследить изменения показателей за указанные годы.

 Мною был взят файл данных о прослушивании альбомов (last.fm). Network Explorer Correlations MDS 1) В модели  Network Explorer более выраженные связи видны между серыми и жёлтыми цветами. Они встречаются чаще всего. Доминирующий тип контента "другие". 2) Центральным элементом  является rock, он отмечен зеленым цветом и кружком. Он доминирует во трёх вариантах одновременно. 3) На мой взгляд, наиболее удобна модель  MDS: в ней четко определены связи между всеми компонентами, в отличии от Network Explorer, в которой все связи смешиваются и Correlations, в которой обозначены слишком подробные данные.

 Я использовала 10 фотографий на тему "природа".  Hierarchical Clustering Image Grid t-SNE 1) Модели немного отличаются друг от друга. На мой взгляд, наиболее точными получились результаты из кластеризации. Фотографии в ней были подобраны как по цветовой палитре, так и по изображённым на них объектам. Остальные же две модели разбивали фотографии по группам только на основании схожей цветовой палитры.  2) Для анализа я брала простые фотографии на тему "природа".  Фотографии разделились на небольшие группы по принципу схожей цветовой палитры в моделях  t-SNE и  Image Grid. Единственная модель, которая также учла и объекты, изображённые на фото - это  Hierarchical Clustering.  Я согласна с логикой разделения в результатах кластеризации, так как в ней явно прослеживается отличие картинок друг от друга. Но не совсем согласна с логикой разделения в других двух моделях, так как они не учитывают эти особенности.