Медиаплан для сетевого издания

  Для анализа я взяла 10 логотипов разных политических партий.  Hierarchical Clustering: Image Grid:   Вывод: по удобству, конечно, выигрывает вариант с картинками. Однако уже второй раз его критерии распределения остаются загадкой. Ни одна группа не находится в 100% верном распределении.  Hierarchical Clustering, в свою очередь,  более точен, но в нем посложнее разобраться. Даже не то, чтобы разобраться, а просто визуально это сложнее выглядит. Если бы  Image Grid был хотя бы как  Hierarchical Clustering - это был бы отличный вариант. А если выбирать между распределением с помощью этих программ или сделанным вручную, то, конечно же, лучше сделать вручную. Уверена, что тогда попадание будет 90 из 100 (-10% из-за объективности). 

Для анализа я взяла 12 изображений достопримечательностей Челябинска.  Первая группа (снизу вверх): туда вошли картинки с инсталляциями и одним театром Вторая группа: два памятника Третья группа: два памятника и здание цирк Четвертая группа: два памятника и церковь Пятая группа: памятник  Вывод: я не согласна с распределением программы. Картинки в группах не соответствуют ни по цвету, ни по содержанию. Несколько совпадений есть, например, два памятника вместе, но остальные памятники в такой же цветовой гамме, ушли в другие группы. 

Для анализа я взяла два текста про процесс старения из предыдущего задания    Вывод: п ервый и второй текст очень похожи друг на друга. Но, все-таки можно найти отличия по ключевым словам. В первом тексте больше сухих фактов и данных (что характерно для обоих текстов, тк они научные), но во втором тексте меньше конкретики. Во втором тексте можно заметить больше вводных конструкций, которые разбавляют точные данные. По настроению: оба текста научные, но, во втором чуть больше оценочных суждений, что придает ему больше свободы и некой раскованности. А второй более строгий , все по сути.  По смыслу: оба текста об одном, смысл у них совпадает - про процесс старения человека, как это происходит. Отличается только подача (в первом рамки преподнесения информации чуть жестче, чем во втором - он более свободный). 

  Для анализа я взяла два текста о процессе старении человека.  Текст 1 Текст 2 Вывод: Два текста были на тему процесса старения человека.  Я взяла две категории: «факты/рассуждения» (проверить чего в тексте больше фактов или рассуждений) и «цифры/время» (тк текст научный и должны использоваться разного рода цифры для его точности). В первом и во втором тексте количество упомянутых данных из категории «цифры/время» примерно одинаковое, но по категории «факты/рассуждения» есть отличия. В первом тексте фактов немного больше, а во втором тексте больше рассуждений из-за фраз по типу: «напрашивается очевидный вывод», «мы полагаем» и другие вводные конструкции. Получается, что оба текста не обделены информативностью, но во втором тексте авторы решили добавить чуть больше вводных слов. 

Для анализа я взяла слова:  Oscar, winners, Elvis, в промежутке с 5 марта по 8 марта 2023 года.     а) Статьи с упоминанием этих слов встречаются в изданиях по новостям и моде. Они пишут не только о том, какие фильмы номинированы или какие прогнозы, но и предполагают, например, кто в чем выйдет на красную дорожку. Поэтому, их объединяет общая тематика опубликованных статей.  б) Пересечения и линии показывают, что тему Грэмми, Оскара и их победителей, затрагивают не только новостные каналы, а также статьи сферы политики, моды, развлечений и другие. Это достаточно интересная тема почти для любой тематики и ЦА. 

 Тексты о землетрясении в Турции 8 февраля 2023 года. 1. https://www.gazeta.ru/politics/2023/02/08/16217365.shtml?updated 2. https://lenta.ru/articles/2023/02/06/turkeyearthquake/ 3. https://news.ru/near-east/nazvana-novaya-prichina-zemletryasenij-v-turcii/ 4. https://ren.tv/longread/1073703-zemletriasenie-v-turtsii-mozhno-li-bylo-predskazat-masshtab-katastrofy 5. https://iz.ru/1467568/2023-02-09/chislo-pogibshikh-pri-zemletriasenii-v-turtcii-prevysilo-14-tys-chelovek 6. https://life.ru/p/1557106 Первая группа текст 2 и 1 Вторая группа текст 1 и 6 Третья группа текст 6 и 3 Четвёртая группа текст 3 и 5 Пятая группа текст 5 и 4  Мне кажется, что такое распределение говорит о том, что каждый текст очень похож на предыдущий. Я думаю, что это из-за достаточно емких статей, тк в них описано само событие - землетрясение. Никаких новых фактов, интервью, догадок и тд ни в каком тексте нет. Наверное поэтому программа так объединила их между собой (каждый текст вытекает из предыдущего)....

 Для анализа я брала статистику разводов в России и в США в количестве на 1000 человек. Вывод: анализ взаимосвязи двух групп данных показал, что взаимосвязь между ними достаточно низкая, но она есть (совсем чуть-чуть).  Тематика взятых данных также не предполагает взаимосвязи между ними. Для меня самой понятной и удобной моделью стала  Scatter Plot и Linear Projection. Также, мне понравилась форма Data table, но ее мы не рассматриваем. Форма  Polynomial Regression, мне не особо понравилась, по сравнению с другими. Во всяком случае, на всех видах форм отчетливо видно, что мои данные почти никак не связаны и почти никак не пересекаются.