Продолжаем рассмотрение метода кластеризации. В данной статье мы создадим новый класс CKmeans для реализации одного из наиболее распространённых методов кластеризации k-средних. По результатам тестирования модель смогла выделить около 500 паттернов.
В результате обучения был построен график зависимостей функции потерь от количества кластеров, приведенный ниже.
Как видно на графике излом оказался довольно растянут в диапазоне от 100 до 500 кластеров. При этом надо сказать, что было проанализировано более 92 тыс. состояний системы. А сама форма графика полностью идентична построенному скриптом Python в предыдущей статье. Это косвенно подтверждает корректность работы построенного нами класса.
Опубликована статья Нейросети — это просто (Часть 15): Кластеризации данных средствами MQL5:
Продолжаем рассмотрение метода кластеризации. В данной статье мы создадим новый класс CKmeans для реализации одного из наиболее распространённых методов кластеризации k-средних. По результатам тестирования модель смогла выделить около 500 паттернов.
В результате обучения был построен график зависимостей функции потерь от количества кластеров, приведенный ниже.
Как видно на графике излом оказался довольно растянут в диапазоне от 100 до 500 кластеров. При этом надо сказать, что было проанализировано более 92 тыс. состояний системы. А сама форма графика полностью идентична построенному скриптом Python в предыдущей статье. Это косвенно подтверждает корректность работы построенного нами класса.
Автор: Dmitriy Gizlyk