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

新しいコメント
 
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。

 
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。

 
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 #:


。



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

 
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

 
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。
 
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。
 
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
 
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: