7.0 KiB
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:
-
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.
-
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.
-
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.
