Merge pull request 'antonov_dmitry_lab_4' (#26) from antonov_dmitry_lab_4 into main

Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/26

antonov_dmitry_lab_4/README.md

@@ -0,0 +1,78 @@
+# Лаб 4 Кластеризация
+
+Использовать метод кластеризации по варианту для данных из датасета курсовой
+Predict students' dropout and academic success (отсев студентов), самостоятельно сформулировав задачу.
+Интерпретировать результаты и оценить, насколько хорошо он подходит для
+решения сформулированной вами задачи.
+
+# Вариант 3
+
+Метод t-SNE
+
+# Запуск
+
+Выполнением скрипта файла (вывод в консоль).
+
+# Описание модели:
+
+T-Distributed Stochastic Neighbor Embedding (t-SNE) - это метод визуализации и снижения размерности, 
+используемый для визуализации многомерных данных в виде двумерной или трехмерной графики.
+
+Результатом работы t-SNE является визуализация данных, где близкие точки в исходном пространстве отображаются 
+близко друг к другу, а отдаленные точки - далеко. Это позволяет исследователям изучать структуру данных и 
+находить кластеры и структуры, которые могут быть не видны при прямом наблюдении исходного пространства высокой размерности.
+
+# Задача кластеризации
+Учитывая набор данных, содержащий информацию о студентах, включая их пол, международный статус и ВВП, 
+цель состоит в том, чтобы сгруппировать этих студентов в отдельные кластеры на основе этих признаков. 
+Цель состоит в том, чтобы выявить естественные закономерности или подгруппы среди учащихся, которые могут 
+иметь сходные характеристики с точки зрения пола, международного статуса и экономического происхождения. 
+Такая кластеризация может помочь в адаптации образовательных программ, служб поддержки или вмешательств 
+к конкретным группам учащихся для улучшения академических результатов и показателей удержания. 
+Цель анализа - выявить значимые идеи, которые могут быть использованы для улучшения общего образовательного опыта 
+и показателей успешности различных групп учащихся.
+
+# Результаты
+
+Для применения метода уменьшения размерности t-SNE использованы признаки "Гендер", "Международный" и "ВВП".
+Данные проецируются на двумерную плоскость, при этом сохраняя локальную структуру данных.
+
+Как интерпретировать результаты на графике:
+
+1. Пол:
+   - Поскольку "Пол" является категориальной переменной (бинарной, как "Мужчина" или "Женщина"), 
+   - Ожидается увидеть на графике отчетливые кластеры или разделения. Каждая точка представляет учащегося, 
+   - и лица одинакового пола должны быть сгруппированы вместе.
+
+2. Международный:
+   - "Международный" также является бинарной категориальной переменной (например, "Да" или "Нет" указывает, 
+   - является ли студент иностранным), вы можете увидеть разделение между иностранными и немеждународными студентами. 
+   - Это может привести к образованию двух различных кластеров.
+
+3. ВВП:
+   - "ВВП" - это непрерывная переменная, и ее значения будут представлены в виде точек на графике. В зависимости от 
+   - распределения значений ВВП вы можете наблюдать градиент или закономерность в данных.
+
+Теперь, когда посмотреть на график, должны быть видны точки, разбросанные по двумерному пространству. Похожие точки 
+находятся близко друг к другу, а непохожие - дальше друг от друга.
+
+- Результаты:
+  - Видны четкие кластеры, это говорит о том, что эти признаки являются хорошими показателями для разделения 
+  - студентов на группы.
+  
+  - Доминирующими признаками являются "гендер" и "Интернациональность", можно увидеть два различных кластера, 
+  - в одном из которых, например, в основном учатся местные студенты мужского пола, а в другом - иностранные студентки 
+  - женского пола.
+
+  - "ВВП" оказывает сильное влияние, можно увидеть градиент точек, указывающий на корреляцию между ВВП и 
+  - некоторой базовой закономерностью в данных.
+
+Конкретная интерпретация будет зависеть от фактического распределения и характеристик данных. 
+Также важно отметить, что t-SNE - это стохастический алгоритм, поэтому его многократное выполнение с одними и теми 
+же параметрами может привести к несколько иным результатам. Поэтому рекомендуется изучить графики из нескольких прогонов, 
+чтобы получить четкое представление о структуре данных.
+
+<p>
+    <div>График</div>
+    <img src="screens/myplot.png" width="650" title="График">
+</p>

antonov_dmitry_lab_4/lab4.py

@@ -0,0 +1,22 @@
+import pandas as pd
+from sklearn.cluster import KMeans
+from sklearn.manifold import TSNE
+import matplotlib.pyplot as plt
+
+# загрузка датасета
+data = pd.read_csv('dataset.csv')
+
+# выделение необходимых признаков
+X = data[['Gender', 'International', 'GDP']]
+
+# применение t-SNE для сокращения размерности
+tsne = TSNE(n_components=2, random_state=42)
+X_tsne = tsne.fit_transform(X)
+
+# визуализация данных
+plt.scatter(X_tsne[:, 0], X_tsne[:, 1], c=data['Target'], cmap='viridis')
+plt.colorbar()
+plt.xlabel('t-SNE х')
+plt.ylabel('t-SNE у')
+plt.title('t-SNE визуализация')
+plt.show()