Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3259
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Zeitmessung unter Berücksichtigung der Matrixerstellung
Speichern Sie beide Matrizen in Dateien, um die Ergebnisse abzugleichen.
Hier auf R bietet ChatGPT
Diese R-Variante ist fast 6 Mal schlechter als NumPy.
Soweit ich weiß, kann Python mit einer Integer-Matrix arbeiten, und hier sind die Geschwindigkeiten von einer anderen Größenordnung
Wenn der Code korrekt ist, ist das Ergebnis wie folgt
Die Frage der Genauigkeit/Vergleichbarkeit der Ergebnisse der Berechnungen selbst sollte geprüft werden.
Beurteilt nach
Array size: 0.0762939453125 MB
Die berechnete Matrix ist 100*100 und nicht 15000*15000.Mit dem Speicher wird es immer schlimmer.
Bevor wir starten
Und während Alglibov PearsonCorrM läuft, wächst der Speicher ständig: und 5 gg wurde gesehen, 4,6 wurden auf dem Bildschirm angezeigt
und während der Arbeit mit dem Standardprogramm Matrix.CorrCoef
Offensichtlich ist das Standardprogramm auf minimalen Speicherverbrauch optimiert, während das Alglibov-Programm auf Geschwindigkeit optimiert ist.
Vielleicht findet irgendwo eine Größenänderung des Arrays statt, was sehr langsam ist. Wenn Sie die endgültige Größe auf einmal ermitteln und festlegen, könnte es schneller gehen.
Sie sind wunderbar darin, jede Idee in g... zu übersetzen und alle möglichen uninteressanten Ergebnisse zu zählen :)
Alexej ist ein besonderer Amateur
Speichern Sie beide Matrizen in Dateien, um die Ergebnisse abzugleichen.
https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link
Nach der
wird eine 100*100-Matrix berechnet, nicht 15000*15000.Sie brauchen ein Werkzeug, das die Matrix außerhalb des Speichers zählen kann.
Bisher sehe ich kein technisches Hindernis für die Zählung einer Million-mal-Million-Matrix auf einem einfachen Heimcomputer. Aber der Vergleich zwischen NumPy und MQL5 ist für mich sehr wichtig.