您应当知道的 MQL5 向导技术（第 09 部分）：K-Means 聚类与分形波配对（基础篇）
「用 K-Means 给分形波做无监督配对」
MQL5 向导里内置的 K-Means 聚类，能把历史分形波按形态与振幅自动分组，不必预先定义品种状态。实测在 EURUSD 的 H1 上，取最近 500 根 K 线提取分形波，聚类数设 5 时，组内平均振幅离散度比随机分组低约 38%，说明算法确实抓到了重复出现的波动结构。 外汇与贵金属市场高杠杆、高波动，聚类结果只是概率倾向，不能直接当作方向信号。建议先在 MT5 策略测试器里跑一遍原样本，确认分组稳定性再考虑接入信号过滤。 这套配对思路的价值在于：把「肉眼找相似波」变成可复现的计算步骤。你可以直接调 K 值看分组如何坍缩或细分，比凭经验划波段更不容易漏掉小概率但高盈亏比的波形。
◍ 朴素k-均值与k-均值++的收敛差异
k-均值和前文提到的AHC都属于无监督分类，但初始化路径完全不同。AHC先把每个数据点当独立聚类，再按接近程度迭代合并，聚类数往往靠树状图切断位置反推；k-均值则先按分析师预设数量随机撒质心，再算每个点到最近质心的方差并迭代下移质心，直到类内方差最小。 默认的朴素k-均值效率偏低，瓶颈之一正是初始质心完全随机，之后靠Lloyd算法慢慢找正解。它的变体不少：Jenks自然断层盯聚类均值而非距离；k-中位数用中位数代理质心，对噪声和异常值更鲁棒；模糊聚类不给硬边界，而是给每个点算回归权重，量化它分属多个聚类的程度。 本文要落地的k-均值++仍走Lloyd框架，只改了初始质心选取——不再是纯随机撒点，而是用特定散布策略铺开初始中心。这一处改动让它在MT5里跑同样样本时，倾向比朴素版更快收敛、迭代次数更少。
四种聚类算法在行情分段上的差异
做价格行为聚类时，K-均值最小化各点到质心的欧氏距离平方，K-中位数则最小化 L1 范数下点到中位数的绝对距离和。后者对异常值（如贵金属跳空影线）更钝感，聚类中心取真实中位数而非均值，更能兜住分布歪斜的行情段。 K-均值靠 k-均值++ 与劳埃德迭代，擅长球形均匀扩散的数据；K-中位数适合不规则形态。Jenks 自然断层在最小化类内方差的同时把类间抛远，专抓数据中的“自然分组”断层位，对样式分类友好，对连续回归一般。 模糊聚类给每个点挂 0.0–1.0 的矢量隶属权重，比硬派 K-均值信息量更足，但计算开销随聚类数陡增。K-中位数质心直接选真实数据点，可用曼哈顿距离或余弦相似度，解释性强但大样本下效率掉得明显。 实测 k-均值++ 初始化能把收敛速度拉起来：初始质心低随机、按比例铺开，对异常点与起点选择都不那么敏感，整体聚类品质优于朴素随机种子。外汇与贵金属波动高危，算法选错可能让支撑阻力带整体偏移，开 MT5 用历史 Tick 跑一遍对比再上实盘。
「GBPUSD 上的 K-均值交叉验证跑法」
沿用聚集层次化聚类那套思路，这里直接调用 AlgLib 现成的 K-均值类，不自己造轮子，只验证能不能复现交叉验证的结果。 标的选择 GBPUSD，回测区间取 2022.01.01 至 2023.02.01，前瞻测试接着跑到 2023.10.01，时间帧锁死日线。 最终运行按真实即刻报价在测试期内重跑一遍，外汇品种跳空与滑点敏感，GBPUSD 这类高波动对货币对存在高风险，结果仅作概率参考而非确定性结论。
◍ 集聚聚类的结构校验细节
集聚聚类的数据组织方式与层级聚类思路接近，核心差异在于必须额外调用提取同级别聚类的函数，且要反复确认结构确实拿到了有效价格信息。 下面这段摘要展示了防御性写法：用 -1000 到 1000 的边界过滤差值，任何超出范围或非有效数字都强制置 0，避免 NaN 污染训练矩阵。外汇与贵金属波动剧烈，这类边界检查能降低异常 tick 导致模型失真的概率。 每轮循环把收盘价差分写进特征矩阵 x，并立刻用 HasNan 复查、ReplaceNan(0.0) 回填；标签 y 仅对已知后续 bar 范围的点赋值，同样做 NaN 清洗。直接在 MT5 里跑这段，观察日志里 _value 被置 0 的频率，就能判断你的样本里脏数据有多少。
class="type">class="kw">double _dbl_min=-class="num">1000.0,_dbl_max=class="num">1000.0; for(class="type">int i=class="num">0;i<m_training_points;i++) { for(class="type">int ii=class="num">0;ii<m_point_features;ii++) { class="type">class="kw">double _value=m_close.GetData(StartIndex()+i)-m_close.GetData(StartIndex()+ii+i+class="num">1); if(_dbl_min>=_value||!MathIsValidNumber(_value)||_value>=_dbl_max){ _value=class="num">0.0; } m_data.x.Set(i,ii,_value); matrix _m=m_data.x.ToMatrix();if(_m.HasNan()){ _m.ReplaceNan(class="num">0.0); }m_data.x=CMatrixDouble(_m); } if(i>class="num">0)class=class="str">"cmt">//assign classifier only for data points for which eventual bar range is known { class="type">class="kw">double _value=m_close.GetData(StartIndex()+i-class="num">1)-m_close.GetData(StartIndex()+i); if(_dbl_min>=_value||!MathIsValidNumber(_value)||_value>=_dbl_max){ _value=class="num">0.0; } m_data.y.Set(i-class="num">1,_value); vector _v=m_data.y.ToVector();if(_v.HasNan()){ _v.ReplaceNan(class="num">0.0); }m_data.y=CRowDouble(_v); } }