Model3可以说是全球最畅销的电动汽车之一。

　　用这种模型对数据进行处理后，就能将输入的评论转换为高维向量（便于聚类分析。

　　数据可视化

　　接下来，是将这些向量可视化，更好地看清评论的分布。

　　但经过Transformer获得的高维向量，还不能直接可视化。

　　因此，需要将这些1024维向量（转换出来的高维向量，是将语义编码成1024个数字的序列，先降维成二维向量。

　　这里会用到一种名为UMAP （统一流形逼近和投影的技术，能将高维向量转变成二维向量。

　　在二维向量的可视化图中，彼此接近的点表示具有相似含义的句子，如果发生簇分离，则代表评价的内容并不相同。

　　如下图，经过处理后的可视化评论中，绿色代表正面评价，红色代表负面评价，颜色越深，表示负面评价的占比越大。（例如上面那些有关退款的评价，就可以组成一个退款群了

　　而在离集群很远的左上角，有一小撮人在“自说自话”，这群人给出的140条评价，全都是好评。

　　没错，这就是刚刚那群沉迷吸猫的玩家……（毕竟，连水下也能吸猫

　　当然，快乐吸猫只是游戏中的一个细节。

　　为了更全面地搜集有关游戏的整体评价，还需要对这些数据进行聚类分析。

　　聚类分析

　　聚类分析，是对评价进行整体分类的方法，也就是对这些处理后的二维向量进行分组。

　　例如被分到「游戏会更好」的评价组里，就会看到大量的wait、patch、better，这些词共同组成了这个评价。