文章 "数据科学与机器学习（第 09 部分）：以 MQL5 平铺直叙 K-均值聚类"
首先感谢作者的分享。希望作者除了讲解这些理论之外，能够把K均值聚类在实际交易中如何运用举例说明，如果没有相对应的例子，这篇或者作者的其他文章与教科书实际上就没有区别了。机器学习在很多领域都有运用。
如果作者能够更好的把这些机器学习理论结合MT5交易机制进行举例说明那就更好了。再次感谢作者的分享。
m_cols = Matrix.Cols(); n = Matrix.Rows(); //元素数 | 矩阵行数 InitialCentroids.Resize(m_clusters,m_cols); vector cluster_comb_v = {}; matrix cluster_comb_m = {}; vector rand_v = {}; for (ulong i=0; i<m_clusters; i++) { rand_v = Matrix.Row(i * m_clusters); InitialCentroids.Row(rand_v,i); } Print("Initial Centroids matrix\n",InitialCentroids);
嗨，Omega J Msigwa，感谢您非常有用的文章。
我是不是漏掉了什么？ DMatrix?
我指的是文章中解释的 Matrix，因为这段代码是在函数
void CKMeans::KMeansClustering(const matrix &Matrix, matrix &clustered_matrix,int iterations = 10) { m_cols = Matrix.Cols(); n = Matrix.Rows(); //元素数 | 矩阵行数 InitialCentroids.Resize(m_clusters,m_cols); cluster_assign.Resize(n); clustered_matrix.Resize(m_clusters, m_clusters*n); clustered_matrix.Fill(NULL); vector cluster_comb_v = {}; matrix cluster_comb_m = {}; vector rand_v = {}; for (ulong i=0; i<m_clusters; i++) { rand_v = Matrix.Row(i * m_clusters); InitialCentroids.Row(rand_v,i); } Print("Initial Centroids matrix\n",InitialCentroids); .... rest of the code
新文章 数据科学与机器学习（第 09 部分）：以 MQL5 平铺直叙 K-均值聚类已发布：
数据挖掘在数据科学家和交易者看来至关重要，因为很多时候，数据并非如我们想象的那么简单。 人类的肉眼无法理解数据集中的不显眼底层形态和关系，也许 K-means 算法可以帮助我们解决这个问题。 我们来发掘一下...
聚类分析是一项把一组对象进行分组的任务，按照这种方式，拥有相同属性的对象被放置在相同的群组（聚类）中。
如果您去商场，您会发现类似的物品放在一起吧？ 有人进行了把它们分组的过程。 当数据集未分组时，聚类分析将像这样进行分组，把彼此之间更相似（在某种意义上）的数据值进行分组，而不是其它组（聚类）。
聚类分析本身不是一种特定的算法。 一般任务可以通过各种算法来解决，这些算法在对构成集群的理解方面存在显著差异。
作者：Omega J Msigwa