L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3107
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Quelle est la meilleure méthode de clustering pour regrouper de tels objets ?
En fait, il y a une matrice et il est important d'évaluer sa similarité dans son ensemble. Et pour une raison que j'ignore, je pense que la méthode K-means est une méthode de moyenne.
Lecture intéressante
https://quant.stackexchange.com/questions/1004/how-are-cryptography-and-speech-recognition-technology-applied-to-forecasting-fi
Oui, et d'une manière générale, le tag[quant-trading-strategies] esttrès intéressant à parcourir.
Un cadeau dans l'espoir d'une critique
Quelle est la méthode de regroupement la mieux adaptée pour regrouper ces objets ?
En fait, il y a une matrice et il est important d'évaluer sa similarité dans son ensemble. Et pour une raison que j'ignore, je pense que la méthode K-means est une méthode de moyenne.
Chat-GPT :
"
Si les matrices sont des descriptions d'un objet tridimensionnel, alors les méthodes de clustering qui prennent en compte la structure des données tridimensionnelles peuvent être utilisées pour les regrouper. Voici quelques approches qui peuvent être utiles :
Méthode de regroupement basée sur la densité : DBSCAN (Density-Based Spatial Clustering of Applications with Noise) est un bon choix car elle tient compte de la densité des données. Vous pouvez appliquer DBSCAN à des matrices tridimensionnelles en utilisant des mesures de proximité ou des distances entre des points dans l'espace tridimensionnel. Cette méthode peut vous aider à identifier les grappes qui forment des régions compactes et denses dans l'espace tridimensionnel.
Regroupement spectral : la méthode de regroupement spectral peut être utile pour regrouper des matrices tridimensionnelles. Vous pouvez appliquer une transformation spectrale à des données tridimensionnelles, puis utiliser des méthodes de regroupement (par exemple, k-means) pour les séparer en grappes. Cette approche permet de prendre en compte la structure des données et d'identifier des groupes similaires dans l'espace tridimensionnel.
Regroupement hiérarchique : le regroupement hiérarchique peut être appliqué à des matrices tridimensionnelles pour construire une structure hiérarchique de grappes. Vous pouvez utiliser des mesures de similarité ou de distance entre les matrices et fusionner ou séparer les grappes sur la base de ces mesures. Cette approche vous aidera à explorer les relations hiérarchiques entre les groupes de matrices tridimensionnelles.
Il est également important de prendre en compte les caractéristiques de votre ensemble de données et de choisir la méthode de regroupement qui correspond le mieux à vos objectifs et à vos besoins. Expérimentez différentes méthodes et différents paramètres pour trouver l'approche la plus appropriée à votre tâche.
"
Chat-GPT :
J'ai moi-même pensé à faire une convolution de la matrice sur 5 points, par la moyenne des points voisins, et sur eux déjà rechercher la similitude par une méthode quelconque.
Et pour une raison ou pour une autre, les K-Means vont faire beaucoup de moyennes.
Je pensais à une convolution de la matrice par 5 points, en calculant la moyenne des points voisins, et en les utilisant pour rechercher des similitudes par une méthode quelconque.
...
la gourde siffle ))
...
la gourde siffle).
Fort - un centroïde. et je pensais en fait à plusieurs avec des coordonnées fixes..... Mais à qui ai-je l'intention de m'adresser ? À un amateur de solutions prêtes à l'emploi.....
Un cadeau dans l'espoir d'une critique
Quelle est la méthode de regroupement la mieux adaptée pour regrouper ces objets ?
En fait, il s'agit d'une matrice, et il est important d'évaluer sa similarité dans son ensemble. Et pour une raison ou pour une autre, K-means semble être la méthode la plus appropriée.
h ttps:// habr.com/ru/companies/jetinfosystems/articles/467745/
Je n'ai pas vu de réponse à la question dans le lien.