ik ga nu verder met DBSCAN voor het statistische dashboard en ook het opslaan van snapshots voor een beslissingsboom die activeert na 5-6 uur draaien (2-3 dagen zullen me meer statistisch relevante gegevens geven om te delen) mijn belangrijkste doel hiermee is om idiosyncratische gedragingen en uitschieters te kunnen identificeren over 545 Binance tickers met een snelle blik. DBSCAN vindt groepen op basis van dichtheid, d.w.z. punten die dicht bij elkaar liggen worden een cluster en geïsoleerde punten worden gemarkeerd als uitschieters. Het belangrijkste verschil met k-means: k-means dwingt elke asset in een groep, ongeacht wat. DBSCAN segregeert en parseert idiosyncratische uitschieters beter in dit formaat. In het dashboard wordt momenteel elke uitgebreide asset beschreven door 7 dimensies tegelijkertijd > hoe uitgebreid, hoe lang/kort, snelheid, zeldzaamheid, volume, BTC-correlatie en volatiliteitsregime. Dit is waar ik het voorlopig bij ga laten. Gegevens verzamelen en zal het delen in het artikel waaraan ik werk.

TLDR: in de statistiekenloopgraven