交易中的机器学习：理论、模型、实践和算法交易 - 页 3107

[Aleksey Vyazmikin]

对这些对象进行分组的最佳聚类方法是什么？

基本上有一个矩阵，重要的是整体评估其相似性。出于某种原因，我认为 K-means 会把所有东西都平均化很多。

[mytarmailS]

有趣的阅读

https://quant.stackexchange.com/questions/1004/how-are-cryptography-and-speech-recognition-technology-applied-to-forecasting-fi

是的，总的来说，整个[量子交易策略] 标签的阅读非常 有趣

[СанСаныч Фоменко]

Maxim Dmitrievsky #:

希望得到评论的礼物

[Aleksey Vyazmikin]

Aleksey Vyazmikin #:

哪种聚类方法最适合对这些对象进行分组？

基本上有一个矩阵，重要的是整体评估其相似性。出于某种原因，我认为 K-means 会把所有东西都平均化很多。

Chat-GPT：

"

如果矩阵是对三维物体的描述，那么考虑到三维数据结构的聚类方法就可以用来对它们进行分组。以下是几种可能有用的方法：

1. 基于密度的聚类方法：DBSCAN（基于密度的带噪声空间聚类应用）是一个不错的选择，因为它考虑到了数据的密度。您可以利用三维空间中点与点之间的接近度或距离，将 DBSCAN 应用于三维矩阵。这种方法可以帮助你识别在三维空间中形成紧凑密集区域的聚类。

2. 光谱聚类：光谱聚类方法可用于对三维矩阵进行聚类。您可以对三维数据进行频谱变换，然后使用聚类方法（如 k-means）进行聚类。这种方法可以考虑到数据的结构，并识别出在三维空间中相似的组。

3. 分层聚类：分层聚类可应用于三维矩阵，以建立聚类的分层结构。您可以使用矩阵之间的相似度或距离度量，并根据这些度量合并或分离聚类。这种方法有助于探索三维矩阵组之间的层次关系。

同样重要的是，要考虑特定数据集的特点，并选择最适合您的目标和要求的聚类方法。尝试使用不同的方法和参数，找到最适合您任务的方法。

"

[Aleksey Vyazmikin]

Aleksey Vyazmikin #:

Chat-GPT：

我曾想过在 5 个点上对矩阵进行卷积，通过对相邻点进行平均，然后用某种方法对它们进行相似性搜索。

[mytarmailS]

Aleksey Vyazmikin #:

出于某种原因，K-means 会把很多东西平均化。

Aleksey Vyazmikin#:

我在考虑用 5 个点对矩阵进行卷积，通过对相邻点进行平均，然后用某种方法来搜索相似性。

...

烧瓶吹口哨 ))

[Aleksey Vyazmikin]

mytarmailS #:

...

酒壶发出呜呜声）。

强--一个中心点。我想的实际上是几个固定坐标.....。然而，我在跟谁说话呢--一个现成解决方案的爱好者.....

[[删除]]

СанСаныч Фоменко #:

希望得到评论的礼物

非常好，谢谢。内容与其他书籍大致相同。看看第 9-10 节，再看看第一篇关于交叉健身的文章--论文，你就会明白教交叉健身的内容和原因。

稍后将全文阅读。

[[删除]]

Aleksey Vyazmikin #:

哪种聚类方法最适合对这些对象进行分组？

基本上有一个矩阵，重要的是整体评估其相似性。出于某种原因，K-means 看起来会把事情平均化很多。

https://habr.com/ru/companies/jetinfosystems/articles/467745/

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
https:// habr.com/ru/companies/jetinfosystems/articles/467745/

链接中没有问题的答案。