L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3259
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Misurazione del tempo tenendo conto della creazione della matrice
Salvare entrambe le matrici su file per riconciliare i risultati.
Qui su R ChatGPT offre
Questa variante di R è quasi 6 volte inferiore a NumPy.
Da quanto ho capito, python può lavorare con matrici di interi e qui le velocità sono di ordine diverso
Se il codice è corretto, il risultato è il seguente
La questione dell'accuratezza/comparabilità dei risultati dei calcoli dovrebbe essere verificata.
Giudicare in base a
Array size: 0.0762939453125 MB
La matrice calcolata è 100*100 e non 15000*15000.La situazione peggiora con la memoria.
Prima del lancio
E durante l'esecuzione di Alglibov PearsonCorrM la memoria cresce continuamente: e sono stati visti 5 gg, 4,6 sono apparsi sullo schermo
e durante il lavoro dello standard Matrix.CorrCoef
A quanto pare, quello standard è ottimizzato per l'utilizzo minimo della memoria, mentre quello di Alglibov è ottimizzato per la velocità.
Forse il ridimensionamento dell'array avviene da qualche parte, il che è molto lento. Se si trova e si imposta la dimensione finale in una sola volta, potrebbe essere più veloce.
Siete meravigliosi nel tradurre qualsiasi idea in g... contando ogni sorta di risultati poco interessanti :)
Alexei è un dilettante speciale
Salvare entrambe le matrici su file per riconciliare i risultati.
https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link
In base a
Viene calcolata la matrice 100*100, non 15000*15000.È necessario uno strumento in grado di contare la matrice al di fuori della memoria.
Finora non vedo alcun ostacolo tecnico per contare una matrice milione per milione su una semplice macchina domestica. Ma il confronto tra NumPy e MQL5 è molto importante per me.