K-means-klusterointi: osakkeiden jakaminen ryhmiin

Lue, miten K-means jakaa osakkeet kiinteään määrään samankaltaisten osakkeiden ryhmiä, miksi K valitaan itse ja miksi ryhmien numerot eivät merkitse mitään.

Luokka: Koneoppiminen

Selkokielellä

Kuvittele, että laatikollinen sekalaisia nappeja tyhjennetään pöydälle ja lajitellaan ennalta päätettyyn määrään kasoja niin, että jokainen nappi menee siihen yhteen kasaan, jota se muistuttaa eniten. K-means-klusterointi tekee saman osakkeille: se jakaa ne kiinteään määrään ryhmiä niin, että kunkin ryhmän osakkeet muistuttavat toisiaan. 'K' on yksinkertaisesti kasojen määrä, joka päätetään ennen aloittamista. Jokainen osake päätyy täsmälleen yhteen ryhmään, ei koskaan kahteen.

Mitä se mittaa

K-means mittaa, kuinka samankaltaisia osakkeet ovat lukujensa perusteella, ja sijoittaa sitten jokaisen osakkeen ryhmään, jonka 'keskipiste' (kaiken ryhmässä olevan keskiarvo) on lähimpänä. Ryhmittely on 'kova': yksi osake, yksi ryhmä, ei osittaista jäsenyyttä. Tietokone jatkaa osakkeiden uudelleenjärjestelyä ja kunkin keskipisteen uudelleenlaskentaa, kunnes kasat eivät enää muutu. - Ensin valitaan K, esimerkiksi K=2 (kaksi ryhmää). - Jokaisella ryhmällä on keskipiste = sen jäsenten keskimääräinen profiili. - Osake liittyy ryhmään, jonka keskipiste on sitä lähimpänä. - Pieni esimerkki: luvuilla 2, 3, 30, 31 ja K=2 tuloksena ovat ryhmä {2, 3} ja ryhmä {30, 31}.

Miten SurgeFlow käyttää sitä

SurgeFlow käyttää K-meansia yhtenä kolmesta ryhmittelymenetelmästä, jotka syöttävät ML-välilehden 'markkinakarttaa'. Sen sijaan, että luotettaisiin yhteen menetelmään, ajetaan useita ja pidetään ne ryhmittelyt, joista menetelmät ovat yhtä mieltä; tätä kutsutaan konsensukseksi. Tämä on puhtaasti kuvailevaa: se näyttää, mitkä osakkeet käyttäytyvät tällä hetkellä samalla tavalla. Se ei ennusta kursseja eikä ole koskaan osto- tai myyntisignaali.

Miten sitä luetaan sivustolla

Avaa ML-välilehti ('markkinakartta'), niin näet osakkeet jaettuina muutamaan klusteriin. Kutakin klusteria kannattaa ajatella perheenä osakkeita, jotka näyttävät tänään samankaltaisilta, ei järjestyksenä parhaasta huonoimpaan. Klusteri, jonka nimilappu on '3', ei ole parempi eikä huonompi kuin klusteri '1'; numero on pelkkä nimi, kuten pöytänumero häissä. - Jokainen osake on täsmälleen yhdessä klusterissa. - Saman klusterin osakkeilla on juuri nyt samankaltainen profiili. - Klusterien numerot ovat nimilappuja, eivät pisteitä tai sijoituksia.

Mitä se ei voi kertoa

K-means kuvaa rakennetta; se ei ennusta tuottoja eikä kerro, mitä pitäisi ostaa. Klusterien numeroilla ja tunnisteilla ei ole pysyvää merkitystä; ne voivat muuttua ajojen välillä, joten tämän päivän 'klusteri 3' ei välttämättä ole huomenna 'klusteri 3'. K on valittava itse, ja eri K antaa eri ryhmät, joten yhtä 'oikeaa' kuvaa ei ole. Lisäksi K-means olettaa, että ryhmät ovat suunnilleen pyöreitä ja samankokoisia, joten se voi pilkkoa tai luokitella väärin klustereita, jotka ovat venyneitä, päällekkäisiä tai hyvin erikokoisia. - Klusterien numerot eivät pysy samoina ajojen välillä. - K on ihmisen valinta, ei tosiasia; eri K, eri ryhmät. - Olettaa ryhmät pyöreiksi ja samankokoisiksi; poikkeavat muodot tuottavat vaikeuksia. - Ainoastaan kuvaileva: se ei ole neuvontaa eikä ennusta kursseja.