Seuraavaksi tutkin DBSCANia tilastollisen dashboardin vuoksi ja myös tallennan päätöspuun snapshotteja, jotka aktivoituvat 5–6 tunnin ajon jälkeen (2–3 päivää antaa tilastollisesti merkityksellisempää dataa jaettavaksi) Päätavoitteeni on pystyä tunnistamaan omalaatuinen käyttäytyminen ja poikkeamat 545 Binance-tickerissä nopealla vilkaisulla. DBSCAN löytää ryhmiä tiheyden perusteella, eli pisteet, jotka ovat lähellä toisiaan, muodostavat klusteria ja eristetyt pisteet merkitään poikkeaviksi. Keskeinen ero k-meansiin: k-means pakottaa jokaisen omaisuuden ryhmään riippumatta siitä. DBSCAN itse asiassa erottaa ja jäsentää erikoiset poikkeamat paremmin tässä muodossa. Tällä hetkellä kojelaudassa jokainen laajennettu omaisuus kuvataan samanaikaisesti seitsemällä ulotuksella > kuinka pitkä, kuinka pitkä/lyhyt, nopeus, harvinaisuus, volyymi, BTC-korrelaatio ja volatiliteettijärjestelmä. Tässä vaiheessa aion lopettaa tältä erää. Kerään dataa ja jaan sen artikkelissa, jota parhaillaan työstän.

TLDR: tilastojen juoksuhaudoissa