トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 3259 1...325232533254325532563257325832593260326132623263326432653266...3399 新しいコメント fxsaber 2023.09.26 05:26 #32581 Maxim Dmitrievsky #:マトリックス作成を考慮した時間測定 両方のマトリックスをファイルに保存し、結果を照合する。 fxsaber 2023.09.26 05:29 #32582 Aleksey Vyazmikin #:ここR ChatGPTでは このRの変種はNumPyより約6倍劣っている。 Forester 2023.09.26 05:34 #32583 Aleksey Vyazmikin #:私が理解しているように、パイソンは整数行列を扱うことができる。もしコードが正しければ、結果は次のようになる。計算結果そのものの正確さ/比較可能性の問題は、チェックされるべきである。によって判断する。 Array size: 0.0762939453125 MB 計算された行列は100*100であり、15000*15000ではない。 Forester 2023.09.26 05:42 #32584 Forester #:。そして、Alglibov PearsonCorrMを実行している間、 メモリはどんどん増えて いく。標準のMatrix.CorrCoefの作業中に どうやら、標準のものは最小限のメモリ使用量に最適化されており、Alglibovのものは速度に最適化されているようだ。 おそらく配列のリサイズがどこかで発生していて、それが非常に遅いのだろう。最終サイズを見つけて一度に設定すれば、もっと速くなるかもしれない。 Maxim Dmitrievsky 2023.09.26 05:46 #32585 あなたは、どんなアイデアでも"g"に変換するのが素晴らしい。) アレクセイは特別なアマチュア Maxim Dmitrievsky 2023.09.26 05:48 #32586 fxsaber #:両方のマトリックスをファイルに保存し、結果を照合する。 https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link mytarmailS 2023.09.26 06:14 #32587 行列をメモリ外でカウントできるツールが必要行列のカウント速度ではなく、これが最優先事項です。なぜなら、十分なRAMがなければ(そしてなければ)、行列のカウントの速さは問題にならないからだ。 Maxim Dmitrievsky 2023.09.26 06:23 #32588 テラバイトのドライブを手に入れ、ディスクを数えれば、マトリックス💩用の特別なディスクがあるはずだ。 Aleksey Vyazmikin 2023.09.26 06:23 #32589 Forester #:それによると 15000*15000ではなく、100*100の行列が計算される。 15000 * 100 * 4 bytes / 1024 / 1024 ≈ 5.72 MB fxsaber 2023.09.26 06:23 #32590 mytarmailS #: 行列をメモリ外でカウントできるツールが必要 これが最優先事項であり、メモリ内カウントのスピードではない。 なぜなら、十分なRAMがなければ(そしてなければ)、行列をカウントするスピードは関係ないからだ。 今のところ、簡単な家庭用マシンで100万×100万の行列をカウントする技術的な障害は見当たらない。しかし、NumPyとMQL5の比較は私にとって非常に重要である。 1...325232533254325532563257325832593260326132623263326432653266...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
マトリックス作成を考慮した時間測定
両方のマトリックスをファイルに保存し、結果を照合する。
ここR ChatGPTでは
このRの変種はNumPyより約6倍劣っている。
私が理解しているように、パイソンは整数行列を扱うことができる。
もしコードが正しければ、結果は次のようになる。
計算結果そのものの正確さ/比較可能性の問題は、チェックされるべきである。
によって判断する。
Array size: 0.0762939453125 MB
計算された行列は100*100であり、15000*15000ではない。。
そして、Alglibov PearsonCorrMを実行している間、 メモリはどんどん増えて いく。
標準のMatrix.CorrCoefの作業中に
どうやら、標準のものは最小限のメモリ使用量に最適化されており、Alglibovのものは速度に最適化されているようだ。
おそらく配列のリサイズがどこかで発生していて、それが非常に遅いのだろう。最終サイズを見つけて一度に設定すれば、もっと速くなるかもしれない。
あなたは、どんなアイデアでも"g"に変換するのが素晴らしい。)
アレクセイは特別なアマチュア
両方のマトリックスをファイルに保存し、結果を照合する。
https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link
それによると
15000*15000ではなく、100*100の行列が計算される。行列をメモリ外でカウントできるツールが必要
今のところ、簡単な家庭用マシンで100万×100万の行列をカウントする技術的な障害は見当たらない。しかし、NumPyとMQL5の比較は私にとって非常に重要である。