diff --git a/lab11/lab11.py b/lab11/lab11.py
index e9e54d6..8fb9373 100644
--- a/lab11/lab11.py
+++ b/lab11/lab11.py
@@ -8,7 +8,6 @@ def get_distance(first: np.ndarray, second: np.ndarray) -> float:
     return math.sqrt(sum([(first[i] - second[i]) ** 2 for i in range(first.shape[0])])) + 1e-5
 
 
-# Расчёт степени принадлежности
 def affiliation_calculation(data: np.ndarray, centers: np.ndarray, k: int, m: int) -> np.ndarray:
     data_len = data.shape[0]
     u = np.zeros((data_len, k))
@@ -22,7 +21,6 @@ def affiliation_calculation(data: np.ndarray, centers: np.ndarray, k: int, m: in
     return u
 
 
-# Расчёт отклонения
 def variance_calculation(data: np.ndarray, centers: np.ndarray, u: np.ndarray) -> float:
     value = 0
     for j in range(k):
@@ -31,7 +29,6 @@ def variance_calculation(data: np.ndarray, centers: np.ndarray, u: np.ndarray) -
     return value
 
 
-# Обновление центров кластеров
 def center_update(data: np.ndarray, u: np.ndarray, k: int, m: int) -> np.ndarray:
     centers = np.zeros((k, data.shape[1]))
     for j in range(k):
@@ -63,7 +60,6 @@ def fuzzy_c_means(data: np.ndarray, k: int, m: int, max_iter: int = 100, tol: fl
     return centers, u, value
 
 
-# Работа с plt для визуализации результата
 def visualise_resout(centers: np.ndarray, u: np.ndarray):
     center_colors = [[random.random(), random.random(), random.random()] for i in range(k)]
     point_colors = []
@@ -78,7 +74,6 @@ def visualise_resout(centers: np.ndarray, u: np.ndarray):
     plt.title("Нечёткая кластеризация")
     plt.xlabel("Размер зарплаты")
 
-    # Визуализация
     if data.shape[1] == 1:
         plt.scatter(data[:, 0], [0] * data.shape[0], c=point_colors)
         plt.scatter(centers[:, 0], [0] * centers.shape[0], marker='*', edgecolor='black', s=100, c=center_colors)