文章 "神经网络变得轻松（第十五部分）：利用 MQL5 进行数据聚类" 新评论 MetaQuotes 2022.08.11 10:06 新文章 神经网络变得轻松（第十五部分）：利用 MQL5 进行数据聚类已发布： 我们继续研究聚类方法。 在本文中，我们将创建一个新的 CKmeans 类来实现最常见的聚类方法之一：k-均值。 在测试期间，该模型成功地识别了大约 500 种形态。 作为训练的结果，我们得到了损失函数与聚类数量的依赖关系图。 它如下所示。 正如您在图表上所看到的那样，拉弯处被证明是相当大的 — 范围从 100 到 500。 该模型总共分析了 92000 多个系统状态。 图形的形式与上一篇文章中 Python 脚本构建的图形完全相同。 这间接地证实了我们构建的类运行正确。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 神经网络变得轻松（第十五部分）：利用 MQL5 进行数据聚类已发布：
我们继续研究聚类方法。 在本文中，我们将创建一个新的 CKmeans 类来实现最常见的聚类方法之一：k-均值。 在测试期间，该模型成功地识别了大约 500 种形态。
作为训练的结果，我们得到了损失函数与聚类数量的依赖关系图。 它如下所示。
正如您在图表上所看到的那样，拉弯处被证明是相当大的 — 范围从 100 到 500。 该模型总共分析了 92000 多个系统状态。 图形的形式与上一篇文章中 Python 脚本构建的图形完全相同。 这间接地证实了我们构建的类运行正确。
作者：Dmitriy Gizlyk