Практическое задание №7. Графический анализ с кластеризацией и алгоритмом N-SNE

 Для анализа я выбрала 10 фото с изображением собак.




1) Модель Image Grid разделила по формату изображений (соотношение сторон друг к другу) и по цвету. Модель очень удобна, так как показывает сами изображения на схеме.

Модель t-SNE разделила картинки по принципу цветовой палитры и крупности объекта на картинке.

Модель Hierarchical Clustering мне показалась наиболее точной. Она разделил картинки по принципу того, что на них изображено, по цвету и по крупности объекта на картинке. И так как "бежевый" отнесла к группе C2 рядом с С3, могу предположить, что разделила по схожести пород собак.

2) Я выбрала "зеленый, голубой, розовый, красный, желт. звездочка" крупное изображение собак одной породы одного цвета в цветных шапках. "Бежевый" и "коричневый" выбирала как вертикальное изображение. "Фиолет", "желтый цветочек" и "крутые" выбирала как картинки, отличные от предыдущих с средней крупностью объекта на картинке. 

Три модели разделили изображения примерно по тому же принципу. Я согласна с логикой разделения. 

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Практическое задание №6. Графический анализ

Изображение
1) Модель Image Grid показалась мне более наглядной. По этой модели легче определить по каким признакам картинки могли быть сгруппированы, так как сами изображения присутствуют на схеме и есть возможность их сопоставить. Но в целом, обе модели разделили изображения примерно одинаково, есть отличия, но по какому принципу происходит разделение - не совсем ясно. 2) Для анализа я выбрала обложки популярных поп-альбомов. На модели Image Grid они сгруппировались по цвету (обложки голубого, синего, сиреневого цвета в одной группе, зелёная обложка отдельно, обложки с белыми элементами левее), по схожести элементов. Частично я согласна с тем, как программа разделила изображения, но чаще логика не прослеживается. 
Далее...

Практическое задание №1. Фоносемантический анализ

Изображение
Для анализа я выбрала тексты песен группы Би-2 разных периодов творчества. Текст 1. "Зажигать" Текст 2. "Компромисс" Текст 3. "Мосты" Текст 4. "Научи меня быть счастливым" Текст 5. "Пора возвращаться домой" 1) Отличается ли эмоциональная составляющая в рассмотренных вами текстах? "Зажигать", "Компромисс" и "Пора возвращаться домой" можно отнести к одной группе, они в основном угловатые, злые, мужественные и сильные. Текст песни "Мосты" схож с предыдущими текстами, но его отличает наличие ярко выраженных только позитивных характеристик: грубый, мужественный, холодный. "Научи меня быть счастливым" значительно отличается от других текстов, он в основном яркий и безопасный, единственный текст, в котором высокий показатель безопасный. 2) Какие шкалы вы использовали для оценки? Почему вы считаете их наиболее удачными? Для оценки я использовала негативные шкалы: угловатый, злой Из позитивных: м...
Далее...

Практическое задание №3. Sentiment Analysis в социальных медиа

Изображение
1. Pedro Pascal Соотношение позитивных упоминаний к негативных 7:3. Преобладают нейтральные (66%) и позитивные посты (23%). Общее количество упоминаний: 418. Преобладает видеоконтент (33%), после него фото (27%). Ключевые слова дают понять, что пользователей интересуют роли Педро Паскаля в кино и сериалах, в особенности в сериале The Last Of Us.  2. Yura Borisov Соотношение позитивных упоминаний к негативным: 10:0. Преобладают нейтральные (63%) и позитивные (36%) упоминаний, негативных упоминаний оказалось всего 1% от общего количества. Общее количество упоминаний: 206. Преобладает видеоконтент (35%) и статусы (35%). Ключевые слова дают понять, что упоминания Юры Борисова связаны с его ролью в фильме «Анора» и номинацией за роль второго плана . По всей видимости, его упоминают в постах о номинантах и победителях премии Оскар. 3. Timothee Chalamet Соотношение позитивных упоминаний к негативным: 4:1. Преобладают нейтральные (66%) и позитивные (28%) упоминаний.  Общее количество ...
Далее...