交易中的机器学习：理论、模型、实践和算法交易 - 页 2814

[mytarmailS]

Maxim Dmitrievsky #:
转念一想

mytarmailS#:

你不能这样做，这是不一样的...

Hmm 预测的是 你 现在 所在 的 群组，而聚类显示的是 你过去所在 的群组。

简单来说

我想过，我试过，我做过实验，我写过代码......

[Maxim Dmitrievsky]

mytarmailS #:

我想过，我试过，我实验过，我写过代码......

所以你认为聚类对新数据不起作用？简直是无稽之谈）

如果你认为 hmm 可以被视为一种聚类算法。

[mytarmailS]

Maxim Dmitrievsky #:
所以你认为聚类对新数据不起作用？一派胡言 )

你不明白...

有一个聚类/状态。

它有开始，也有结束，比方说 5 根蜡烛。

通过 Klsterisation，你可以知道第 5 根蜡烛上的簇数（当簇原型与当前状态比较时）。

通过 hmm，您将知道第 1 根蜡烛上的簇/状态的数量（或者说概率）

[Maxim Dmitrievsky]

mytarmailS #:

你不明白。

有一个群集/状态

它有开始，也有结束，比方说 5 根蜡烛。

通过 Klsterisation，您就能知道第 5 根蜡烛时该簇的编号（当簇原型与当前状态进行比较时）。

通过 hmm，您将知道第 1 根蜡烛上的簇/状态的编号（或者说概率）。

在这两种情况下，您都可以知道当前数据的聚类数，没有滞后性。

Hmm 是相同的序列聚类算法。没有什么特别之处。

[mytarmailS]

Maxim Dmitrievsky #:
在这两种情况下，您都能知道当前数据的群组编号，没有任何延迟

没有。

聚类是一种识别。

嗯，就是预测你现在处于什么状态。

比方说，我们有两种状态，"头肩 "和 "非头肩"。

这就是聚类的原理--通过与原型聚类进行比较。

也就是说，我们是在与原型进行比较之后，才知道聚类的状态的。

=================

而 HMM 会给出我们处于 GP 状态的概率。

[Maxim Dmitrievsky]

mytarmailS #:

不

聚类就是识别。

嗯，是预测你现在处于什么状态。

别闹了）。

[mytarmailS]

Maxim Dmitrievsky #:
别闹了 )

你也是...

如果 HMM 的维特比算法能产生类似聚类的东西 1112224441111.....

有人写道，它可以用作聚类，但这并不意味着它就是聚类。

[Maxim Dmitrievsky]

mytarmailS #:

你也是

如果 HMM 的维特比算法能产生类似于 111222444111111 的群组....

有人写道，它可以用作聚类，但这并不意味着它就是聚类。

你设置了多少个隐藏状态，就会得到多少个聚类。这是一样的。好吧，好吧，我不喜欢嚼舌根。

你关心的是训练不同模型时的分离，不管原理是什么。无论如何，增量的平均值都会影响簇数，这才是你需要的。

[mytarmailS]

Maxim Dmitrievsky #:
设置多少个隐藏状态，就会得到多少个集群。这是一样的。

这有什么关系？

最后说一次。

使用聚类法，在聚类结束时就能得到聚类编号。

而使用 SMM 时，在簇开始时就能得到簇号。

[Maxim Dmitrievsky]

mytarmailS #:

这有什么关系？

最后说一次

群集时，群集结束时会得到群集编号。

而使用 SMM 时，在群集开始时就能得到群集编号。

不，你在妄想。