МЖСО-1. Практическое задание №7.


МЖСО-1. Практическое задание №7.

Темы текстов - финал Кубка Гагарина, последний матч, поражение Трактора

Текст 1:




Текст 2: 



Прокомментируйте - насколько на ваш взгляд модель текста точно отражает содержание текстов? А word cloud? По какой методике легче определять тематику текстов?

Модель текста word cloud точно передает смысл и понятна для восприятия. Особенно это заметно в первом тексте. Сразу выделяются слова «трактор», «локомотив», «кубок», «гагарина», «челябинск», «финал», «проиграли» и «выиграли». Становится ясно, что речь идет о спортивном матче и какие команды участвовали.

Модель topic modelling выделила слова: трактор, локомотив, кубок, гагарина, по которым тоже можно понять о чем идет речь в текстах, но word cloud дает более подробный вариант анализа. Поэтому я выберу ее, она для меня оказалась лучше. 

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Практическое задание №3. Eye-tracking анализ информации. Тимощук Степан.

Изображение
Практическое задание №3. Eye-tracking анализ информации.  Я решил взять за анализ креативную рекламу. Сначала я обратил внимание на руку женщины, потому что она была достаточно странная, программа это сразу показала. После я посмотрел на небольшие детали: баскетбольный мяч, джойстик, теннисную ракетку, программа этого не заметила. Но в большинстве своем программа правильно показывала, куда я смотрел и на что обращал внимание. Вне поля моего зрения остался сам продукт, мазь. Я заметил ее только при повторном просмотре. Здесь мой взгляд упал на первого мужчину, я осмотрел его, и программа это показала, дальше мой взгляд пошел на его голову и второго мужчину. Осталось вне поля зрения — сам дом, зелень в правом углу и значки снизу. На этой картинке интуитивное движение взгляда полностью совпало с программой. На этой картинке сперва мой взгляд привлекла одежда мужчины, куртка, кроссовки, и только потом холодильник и надпись. Осталось без внимания надпись снизу. Движение моего взгляда пр...
Далее...

МЖСО-1. Практическое задание №8.

Изображение
МЖСО-1. Практическое задание №8. Регрессионный анализ информации   В качестве статистических данных были выбраны колебания курса доллара к рублю и изменение цен на смартфоны. Данные взял с ЦБ https://www.cbr.ru и Statista. Для меня это задание оказалось самым сложным и даже непонятным, постарался его выполнить, но не уверен, что сделал всё правильно. Начну по порядку скриншотов:  Linear Projection я не понял группировку данных, как это всё классифицировалось и распределено. Вроде как рост цен идет в нужную сторону, но лично мне тяжело понять это распределение.     Polynomial Regression. На этом графике видно, что с годами растет и курс доллара, и средняя цена за смартфоны. Мне кажется, что тут всё довольно понятно.  Data Table. Таблица выявила коэффициенты, но лично мне не очень понятны, откуда они взялись и что это значит, и тяжело понять, что мы вообще разбирали. Scatter Plot: На этом графике, так же как и на Polynomial Regression, мы можем увидеть, как с...
Далее...

МЖСО-1. Практическое задание №6. Графический анализ информации с кластеризацией и t-распределением. Тимощук Степан.

Изображение
1) Сравните результаты из кластеризации, Image Grid и алгоритма t-SNE. Есть ли между ними разница? Если да, то какая модель на ваш взгляд точнее. Все три модели, в целом, успешно справились с классификацией этих изображений и правильно их выстроили. Однако в кластеризации виды Венеции почему-то оказались в отдельном кластере от видов Лондона и домов, хотя они очень похожи. Мне больше всего понравилась модель t-SNE, так как она, на мой взгляд, наиболее точно определила классификацию изображений. 2) Опишите, что за фото вы брали для анализа. Почему, на ваш взгляд, они разделились именно на такие группы? Согласны ли вы с такой логикой разделения? Я выбрал несколько фотографий, связанных с разными темами: баскетбол, бегуны, городские пейзажи, разнообразные дома и автомобили. Как я и ожидал, модели правильно расположили все похожие изображения.
Далее...