Autoplay
Autocomplete
Previous Lesson
Complete and Continue
เจาะลึก K-mean clustering และ การประยุกต์ใช้งานกับข้อมูลหุ้น
ทฤษฏี Kmean Clustering
K-mean คืออะไร (4:58)
ขั้นตอนการทำงานของ Kmean (1:21)
ตัวอย่างการทำงานของ Kmean (8:27)
สรุปการทำงานของ Kmean ผ่านการ Visualisation
การแบ่งกลุ่มของ Kmean ตั้งแต่ต้นจนจบกระบวนการ (5:48)
Code ของคอร์ส
Coding K-mean algorithm
โหลดข้อมูล (8:40)
สร้างฟังก์ชันคำนวนระยะทาง Euclidean Distance (3:24)
Kmean step 1: สุ่มจุดกึ่งกลางของแต่ละคลาส (Random Centroids) (8:58)
พล็อตดูข้อมูล (2:49)
K-mean step 2: จัดข้อมูลเข้ากลุ่มที่อยู่ใกล้ที่สุด (label data points) (8:11)
พล็อตดูข้อมูลแบบแยกกลุ่ม (8:51)
K-mean step 3: คำนวณตำแหน่งของจุดกึ่งของแต่ละคลาสใหม่ (Recalculate new centroids) (3:42)
พล็อตกลุ่มใหม่ที่ได้ (1:29)
การทำซ้ำ Step 2 และ 3 (8:15)
การใช้คำสั่ง Loop เพื่อช่วยในการทำซ้ำ Step 2 และ 3 (8:11)
การประยุกต์ใช้ K-mean Clustering
โหลดข้อมูลหุ้น (5:52)
สร้าง Features ที่ต้องการใช้ในการจัดทำ Clustering (10:04)
การทำ Normalisation ข้อมูล Features (7:30)
การสร้างฟังก์ชัน Kmean และ ฟังก์ชันอื่นๆ ที่จำเป็น (10:14)
ทำ K-mean Clustering (5:33)
ระบุ index ของแต่ละคลาส (7:59)
ทดลองดูผลการเทรดอย่างง่าย (7:01)
สรูป Kmean และ แนวทางการพัฒนาต่อในอนาคต (4:03)
การทำ Normalisation ข้อมูล Features
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock