Самое жизнерадостное исследование по нейросетям
Вводная часть: осторожно, черный юмор!
Поскольку я студентка вышки, выбор, какие данные анализировать, был очевиден: конечно же статистику самоубийств. В Китае. Почему именно там? Потому что азиаты известны своим трудолюбием и жесткой конкуренцией (в сфере образования в том числе), а мне в период сессии жизненно необходимо знать, что кому-то живется хуже, чем мне. Ну или же уже не живется…
Все статистики я брала с сайта «Kaggle», поскольку он: 1. Был рекомендован преподавателем и составителем курса, а значит безопасен и надежен. 2. Содержит подозрительно много датасетов на тему самоубийств. Видимо, его пользователи в этой теме разбираются.
В работе были использованы: 1. Круговые диаграммы, чтобы нагляднее показать соотношение малого количества параметров 2. График с маркерами, для лучшего сопоставления по датам 3. Вертикальные гистограммы, для наглядного сопоставления большого количества параметров
Этапы работы
1. Определиться с темой исследования и сайтом с источниками информации. Скачать датасет. 15 минут пытаться запихнуть его в юпитер, сдаться, спросить у чата гпт, как это сделать. Все-таки запихнуть его в юпитер.
2. Выбрать, какие столбцы нужно анализировать, и по какому принципу. 20 минут упираться в одну ошибку при проигрывании кода, сдаться, спросить у чата гпт что не так. Выяснить, что ты слепой дундук, пропустивший букву в названии файла. Написать код без обращения на цвет получаемых графиков.
3. Сделать все графики. Выбрать подходящие для них цвета: в моем случае я решила взять синий и розовый (разделение по полу и стереотипы, тыры-пыры) и 4 цвета в одном из графиков, которые ассоциируются с временами года, поскольку он отражал статистику по месяцам.
3.1 Залезть на сайт matplotlib за инструкцией по смене цвета, узнать много нового (например, что у них существует библиотека основных цветов)
3.2 …даже с инструкцией ничего не понять, пойти к чату гпт за советом
4. Переделать код с нужными цветами.
5. Профит, вы восхитительны!
Разделение самоубийц по полу
Статистика удачных самоубийств — сравнение данных одного столбца
Зависимость смертности от госпитализации — сравнение взаимосвязи данных двух столбцов. Какие выводы можно сделать? Все, кто не умер, и не был в больнице, в статистике не участвуют.
Упорядоченные данные из одного столбца. Выводы: дети в статистике не участвуют, старики после 100 в любом случае списываются в естественную смерть.
Упорядоченные данные одного столбца. Выводы? В новый год либо больницы не работают, либо все жить хотят.
Сопоставление данных из двух столбцов и их сравнение. Выводов нет, шутку придумайте сами (главное не про башни)
Сопоставление данных из двух столбцов и их упорядоченность. Выводы? Тонуть эффективно. Но это исследование, а не инструкция, так что все равно не стоит.
Чем пользовалась при исследовании:
1. https://gpt-chatbot.ru/ — бесплатный чат гпт на русском, дата обращения 22.06.2024. Использовался для помощи в трудные моменты 2. https://pandas.pydata.org/getting_started.html — инструкция по установке с сайта pandas, дата обращения 22.06.2024. 3. https://matplotlib.org/stable/users/explain/colors/colors.html — сайт matplotlib, дата обращения 22.06.2024. 4. https://www.kaggle.com/datasets/utkarshx27/suicide-attempts-in-shandong-china — сайт kaggle, конкретно вот этот датасет. Дата обращения 22.06.2024. 5. Обложка была сфотошоплена из картинок с сайта www.google.com, дата обращения 22.06.2024. 6. https://jupyter.org/ — Jupiter Notebook, дата обращения 22.06.2024. (только я его из Anaconda запускала)
