L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3259
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Mesure du temps en tenant compte de la création de la matrice
Sauvegarder les deux matrices dans des fichiers pour réconcilier les résultats.
Ici sur R ChatGPT offre
Cette variante de R est presque 6 fois inférieure à NumPy.
Si j'ai bien compris, python peut travailler avec des matrices entières et ici les vitesses sont d'un ordre différent
Si le code est correct, le résultat est le suivant
La question de la précision/comparabilité des résultats des calculs doit être vérifiée.
En jugeant par
Array size: 0.0762939453125 MB
La matrice calculée est 100*100 et non 15000*15000.La situation s'aggrave avec la mémoire.
Avant le lancement
Et pendant l'exécution d'Alglibov PearsonCorrM, la mémoire augmente sans cesse : et 5 gg ont été vus, 4,6 ont été affichés à l'écran.
et pendant le travail du standard Matrix.CorrCoef
Apparemment, le programme standard est optimisé pour une utilisation minimale de la mémoire, et le programme Alglibov est optimisé pour la vitesse.
Il se peut qu'un redimensionnement du tableau se produise quelque part, ce qui est très lent. Si vous trouvez et définissez la taille finale en une seule fois, cela peut être plus rapide
Vous êtes merveilleux pour traduire n'importe quelle idée en g... en comptant toutes sortes de résultats inintéressants :)
Alexei est un amateur particulier
Enregistrez les deux matrices dans des fichiers afin de réconcilier les résultats.
https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link
D'après
La matrice 100*100 est calculée, et non 15000*15000.Vous avez besoin d'un outil capable de compter la matrice en dehors de la mémoire
Jusqu'à présent, je ne vois pas d'obstacle technique au comptage d'une matrice million par million sur une simple machine domestique. Mais la comparaison NumPy vs MQL5 est très importante pour moi.