Hierarkkinen klusterointi: ryhmien puun rakentaminen

Lue, miten hierarkkinen klusterointi yhdistää lähimmät ryhmät puuksi ja miten SurgeFlow käyttää sitä yhtenä kolmesta äänestävästä mallista.

Luokka: Koneoppiminen

Selkokielellä

Hierarkkinen klusterointi (hierarchical clustering) on tapa jakaa asioita ryhmiin yhdistämällä toistuvasti ne kaksi, jotka muistuttavat toisiaan eniten. Kuvittele huone täynnä ihmisiä: ensin kaksi läheisintä ystävää tarttuu toisiaan kädestä, sitten seuraavaksi läheisin pari ja niin edelleen, kunnes kaikki ovat yhteydessä toisiinsa yhdessä suuressa sukupuussa. Tätä puuta kutsutaan dendrogrammiksi, ja sen voi "katkaista" miltä korkeudelta tahansa sen mukaan, kuinka monta ryhmää halutaan. Tietokone löytää tämän rakenteen itse, ilman että kukaan kertoo sille oikeaa vastausta etukäteen.

Mitä se mittaa

Se mittaa läheisyyttä. Jokaista kohdetta (SurgeFlow'ssa osaketta) kuvaa joukko lukuja, joita kutsutaan piirteiksi (features), ja "etäisyys" on yksinkertaisesti se, kuinka kaukana kaksi kohdetta ovat toisistaan, kun näitä lukuja verrataan. Menetelmä aloittaa tilanteesta, jossa jokainen kohde on yksin, ja yhdistää sitten aina lähimmän parin kirjaten jokaisen yhdistämisen puun haaraksi. Kun puu katkaistaan korkealta, saadaan muutama suuri ryhmä; kun se katkaistaan matalalta, saadaan monta pientä. - Alku: osakkeet A, B, C ja D ovat kukin oma ryhmänsä. - A:n ja B:n piirreluvut ovat samankaltaisimmat, joten ne yhdistetään ensin. - C liittyy seuraavaksi ryhmään A-B, koska se on jäljellä olevista lähin. - Katkaise puu tästä, niin saat kaksi klusteria: {A, B, C} ja {D}.

Miten SurgeFlow käyttää sitä

SurgeFlow'n ML-välilehden "markkinakartta" ryhmittelee osakkeet sen mukaan, miten niiden piirteet käyttäytyvät, ei ennustamalla kursseja. Hierarkkinen klusterointi on kolmas kolmesta rinnakkain ajettavasta klusterointimallista. Koska mikään yksittäinen menetelmä ei ole täydellinen, SurgeFlow yhdistää niiden tulokset konsensukseksi, jolloin lopulliset ryhmittelyt ovat vakaampia kuin yhdenkään mallin yksinään. Tämä on puhtaasti kuvailevaa: se näyttää, mitkä osakkeet muistuttavat tällä hetkellä toisiaan, ei sitä, mitkä nousevat tai laskevat. - Malli 1 ja malli 2 tuottavat kumpikin oman ryhmittelynsä. - Hierarkkinen klusterointi tuottaa kolmannen, puuhun perustuvan ryhmittelyn. - Nämä kolme "äänestävät" ja muodostavat konsensuskartan samankaltaisista osakkeista.

Miten sitä luetaan sivustolla

Avaa ML-välilehti ("markkinakartta" osoitteessa /ml), niin näet osakkeet sijoitettuina samankaltaisen käyttäytymisen klustereihin. Samassa klusterissa olevilla osakkeilla on tällä hetkellä samankaltaiset piirrekuviot; kartalla kaukana toisistaan olevat osakkeet muistuttavat toisiaan juuri nyt vähemmän. Karttaa kannattaa käyttää yleiskuvana maastosta, joka auttaa havaitsemaan ryhmiä ja poikkeavia osakkeita, ei kauppojen luettelona.

Mitä se ei voi kertoa

Läheisyys piirreavaruudessa tarkoittaa, että luvut näyttävät samankaltaisilta; se EI osoita mitään taloudellista, liiketoiminnallista tai syy-seuraussuhdetta näiden osakkeiden välillä. Klusterit ovat kuvailevia tilannekuvia, jotka voivat muuttua uuden aineiston myötä, ja tulos riippuu siitä, mitkä piirteet ja mikä katkaisukorkeus on valittu. Se ei anna osto- tai myyntisignaalia eikä ennustetta, eivätkä aiemmat ryhmittelyt ennusta tulevia tuottoja. SurgeFlow on ainoastaan tutkimusta ja opetusta, ei koskaan sijoitusneuvontaa. - Samankaltaiset luvut eivät osoita todellista yhteyttä. - Klusterit muuttuvat ajan myötä ja eri asetuksilla. - Tulos ei sisällä kurssiennustetta eikä osto- tai myyntisignaalia.