Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3107
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Welches ist die beste Clustermethode für die Gruppierung solcher Objekte?
Im Grunde gibt es eine Matrix, und es ist wichtig, ihre Ähnlichkeit als Ganzes zu bewerten. Und aus irgendeinem Grund denke ich, dass K-means alles sehr stark ausmittelt.
Interessante Lektüre
https://quant.stackexchange.com/questions/1004/how-are-cryptography-and-speech-recognition-technology-applied-to-forecasting-fi
Ja, und generell ist das ganze[Quant-Trading-Strategien] -Tagsehr interessant zu lesen
Ein Geschenk in der Hoffnung auf eine Rezension
Welche Clustermethode eignet sich am besten für die Gruppierung solcher Objekte?
Im Grunde gibt es eine Matrix, und es ist wichtig, ihre Ähnlichkeit als Ganzes zu bewerten. Und aus irgendeinem Grund denke ich, dass K-means alles sehr stark ausmitteln wird.
Chat-GPT:
"
Wenn Matrizen Beschreibungen eines dreidimensionalen Objekts sind, dann können Clustering-Methoden, die die Struktur dreidimensionaler Daten berücksichtigen, verwendet werden, um sie zu gruppieren. Hier sind ein paar Ansätze, die nützlich sein können:
Dichtebasierte Clustering-Methode: DBSCAN (Density-Based Spatial Clustering of Applications with Noise) ist eine gute Wahl, weil es die Dichte der Daten berücksichtigt. Sie können DBSCAN auf dreidimensionale Matrizen anwenden, indem Sie Näherungsmaße oder Abstände zwischen Punkten im dreidimensionalen Raum verwenden. Mit dieser Methode können Sie Cluster identifizieren, die kompakte und dichte Regionen im dreidimensionalen Raum bilden.
Spektrales Clustering: Die Methode des spektralen Clustering kann für das Clustering dreidimensionaler Matrizen nützlich sein. Sie können eine Spektraltransformation auf dreidimensionale Daten anwenden und dann Clustering-Methoden (z. B. k-means) zur Aufteilung in Cluster verwenden. Dieser Ansatz ermöglicht es Ihnen, die Struktur der Daten zu berücksichtigen und Gruppen zu identifizieren, die sich im dreidimensionalen Raum ähneln.
Hierarchisches Clustering: Hierarchisches Clustering kann auf dreidimensionale Matrizen angewendet werden, um eine hierarchische Struktur von Clustern aufzubauen. Sie können Ähnlichkeits- oder Abstandsmaße zwischen Matrizen verwenden und auf der Grundlage dieser Maße Cluster zusammenführen oder trennen. Mit diesem Ansatz können Sie hierarchische Beziehungen zwischen Gruppen dreidimensionaler Matrizen untersuchen.
Es ist auch wichtig, die Merkmale Ihres speziellen Datensatzes zu berücksichtigen und die Clustermethode zu wählen, die Ihren Zielen und Anforderungen am besten entspricht. Experimentieren Sie mit verschiedenen Methoden und Parametern, um den am besten geeigneten Ansatz für Ihre Aufgabe zu finden.
"
Chat-GPT:
Ich selbst dachte daran, eine Faltung der Matrix auf 5 Punkte zu machen, durch die Mittelung von benachbarten Punkten, und auf ihnen schon nach Ähnlichkeit durch irgendeine Methode zu suchen.
Und aus irgendeinem Grund wird K-means einen hohen Mittelwert bilden.
Ich dachte an eine Faltung der Matrix durch 5 Punkte, durch Mittelwertbildung benachbarter Punkte, und deren Verwendung für die Suche nach Ähnlichkeit durch irgendeine Methode.
...
der Flachmann pfeift ))
...
pfeift der Flachmann.)
Stark - ein Schwerpunkt. und ich dachte eigentlich an mehrere mit festen Koordinaten..... Aber mit wem spreche ich - mit einem Liebhaber von Lösungen von der Stange.....
Ein Geschenk in der Hoffnung auf eine Rezension
Welche Clustermethode eignet sich am besten für die Gruppierung solcher Objekte?
Im Grunde gibt es eine Matrix, und es ist wichtig, ihre Ähnlichkeit als Ganzes zu bewerten. Und aus irgendeinem Grund scheint es, als würde K-means die Dinge zu sehr ausmitteln.
h ttps:// habr.com/ru/companies/jetinfosystems/articles/467745/
Ich habe in dem Link keine Antwort auf die Frage gefunden.