Progetti di machine learning e scienza dei dati per la finanza

Capitolo 8. Apprendimento non supervisionato: Raggruppamento

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Nel capitolo precedente abbiamo esplorato la riduzione della dimensionalità, che è un tipo di apprendimento non supervisionato. In questo capitolo esploreremo il clustering, una categoria di tecniche di apprendimento non supervisionato che ci permette di scoprire strutture nascoste nei dati.

Sia il clustering che la riduzione della dimensionalità riassumono i dati. La riduzione della dimensionalità comprime i dati rappresentandoli con un numero minore di nuove caratteristiche, pur catturando le informazioni più rilevanti. Allo stesso modo, il clustering è un modo per ridurre il volume dei dati e trovare modelli. Tuttavia, lo fa categorizzando i dati originali e non creando nuove variabili. Gli algoritmi di clustering assegnano le osservazioni a sottogruppi composti da punti dati simili. L'obiettivo del clustering è quello di trovare un raggruppamento naturale dei dati in modo che gli elementi di un determinato cluster siano più simili tra loro rispetto a quelli di cluster diversi. Il clustering serve a comprendere meglio i dati attraverso la lente di diverse categorie o gruppi creati. Inoltre, permette la categorizzazione automatica di nuovi oggetti in base ai criteri appresi.

Nel campo della finanza, il clustering è stato utilizzato da trader e gestori di investimenti per trovare ...