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 3271 1...326432653266326732683269327032713272327332743275327632773278...3399 新しいコメント Forester 2023.10.01 10:32 #32701 fxsaber #: NumPyはALglibとはアルゴリズムが違うようだ。 MaximのCPUは私の2倍速い。彼がAlglibaのタイミングを教えたかどうかは覚えていない。 Forester 2023.10.01 10:33 #32702 fxsaber #:Alglibの古いバージョンと比較してください。遅くなったというデータはない。 あなた自身が、標準のものは現在のAlglibのものより遅いと書いている。古いものはコードの形で持っていますが、ターミナルにはありません。 fxsaber 2023.10.01 10:35 #32703 Forester #:マキシムのCPUは私のCPUより2倍速い。彼がアルグリーバのタイミングを教えたかどうかは覚えていない。 タイミング トレーディング、自動トレーディング・システム、トレーディング戦略のテストに関するフォーラム 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。 Aleksey Vyazmikin, 2023.09.26 05:19 AM Array size: 1716.61376953125 MB Time taken: 4.784467697143555 seconds これは古いFX-8350です 取引、自動取引システム、取引戦略のテストに関するフォーラムです。 トレーディングにおける機械学習:理論、モデル、実践、アルゴリズム取引 Aleksey Vyazmikin, 2023.09.26 05:37 AM 統計については、これが私の結果です。 2023.09.26 06:28:23.304 Test_Corr (USDJPY,H1) EX5: 3981 AVX Release. 2023.09.26 06:28:23.304 Test_Corr (USDJPY,H1) TerminalInfoString(TERMINAL_CPU_NAME) = AMD FX-8350 Eight-Core 2023.09.26 06:28:23.304 Test_Corr (USDJPY,H1) TerminalInfoInteger(TERMINAL_CPU_CORES) = 8 2023.09.26 06:28:23.304 Test_Corr (USDJPY,H1) TerminalInfoString(TERMINAL_CPU_ARCHITECTURE) = AVX 2023.09.26 06:28:23.332 Test_Corr (USDJPY,H1) inRows = 100 inCols = 15000 2023.09.26 06:28:45.032 Test_Corr (USDJPY,H1) matrix<double> Matrix1 = CorrMatrix(Matrix) - 21700095 mcs, 1717 MB 2023.09.26 06:29:48.495 Test_Corr (USDJPY,H1) matrix<double> Matrix2 = Matrix.CorrCoef(false) - 63460976 mcs, 1717 MB 2023.09.26 06:29:50.225 Test_Corr (USDJPY,H1) IsEqual(Matrix1, Matrix2) = true 明らかにPythonの 方が 速いです。そして、それはCでより速くなるので、MQは私たちに何かを教えていないことが判明し、同等のパフォーマンスを約束.... Pythonはコードを実行するときに小さな並列化を持っていることに注意する必要があります - 約2つのコアで半秒、残りは1つのコアでカウントされます。 fxsaber 2023.10.01 10:37 #32704 Forester #: 標準的なものは現在のalglibovのものより遅いと自分で書いていたね。古いものはコードの形で持っているが、ターミナルは持っていない。 Alglibのソース自体はMQが行列用に書き直したものです。標準的なCorrCoefについては議論したくもない。 つまり、Alglibには2つのソースがある。 MQ変換前の動的配列に関するオリジナルのもの。 行列/ベクトル型用に修正されたMQ。私がテストしたのはこれだ。 両方のバージョンのAlglibのソースがあるはずなので、それらを比較することができます。 Forester 2023.10.01 10:39 #32705 fxsaber #:時間 そうですね...人々はアルゴリズムに何年も費やしています。C++での高速ソートについての記事を見た。コードはより複雑で、不必要な動作をしているように見えるが、プロセッサの事前計算により高速に動作する。 Forester 2023.10.01 10:43 #32706 fxsaber #:Alglibのソース自体はMQが行列を書き直したものだ。標準的なCorrCoefについては議論したくもない。ーAlglibのーソースはー2ー 、、、ーMQ変換のー動的配列のー。 ーマトリックス/ベクトル型用に用修正されたMQ。これが私がテストしたものだ。 Alglibの両バージョンのソースが公開されているはずなので、それらを比較することができる。 私は怠け者だ。相関関係は使わない。ただ、1年前にスピードの違いに気づいて、この話題が出たときに共有しただけなんだ。 Maxim Kuznetsov 2023.10.01 10:59 #32707 fxsaber #: NumPyはALglibとは異なるアルゴリズムを持っているようです。 AlgLibでは、オリジナルのドキュメントに、なぜ違うのか、どれが、何のためにあるのかが書いてある。リグレッションでは(私はそこでほとんどAlgLibを掘り下げていました)、それはかなりオリジナルです。 ここでも、すべてが奇妙に比較されます。様々なライブラリ/リアライゼーションのspeed=f(dimensionality,special_matrix_properties)依存性のグラフを作成して見てください。あなたは天井からエッジケースを取り出しています。 そしてそこで、絶対値ではなく、症状と「プラトー」の存在に注目する。そこから特定のデータを扱うためのツールを選択する。 Maxim Dmitrievsky 2023.10.01 11:09 #32708 Forester #:マキシムのCPUは私のCPUより2倍速い。ーアルグリーバのーにー、ー覚えていない。ータはータはー、ータはー、フレンドリーなフレンドリーなー。例えば、暗号には端末は全く必要ない。 スピードという点では、 まったくもってクソだ fxsaber 2023.10.01 11:13 #32709 Maxim Kuznetsov #:繰り返しになるが、ある意味で奇妙な比較の仕方だ。 私は比較をするのではなく、誰もが自分のケースに合わせて測定できるコードを提供するのだ。 100という文字列の長さはパターンの長さです。それ以上は必要ないでしょう。 15000サンプルは、相関行列の2次関数の大きさのため、メモリが制限されます。サンプル数は多ければ多いほどいい。だから私は、100万個のサンプルを持つことができる自家製のものを書いたのだ。 私は客観的な比較に費やす意欲も時間もない。私は自分の仕事のためにこれを作り、作業コードを共有した。必要な人に見てもらいたい。 mytarmailS 2023.10.01 11:27 #32710 私たちの努力の5%でも共通の仕事に向けられれば、数ヶ月でこの市場を征服できるだろう。そうして何年も、何十年も、誰もが自分のスープの中で煮えくり返り、有益な時間の90%はこの役に立たないフォーラムに費やされている。 1...326432653266326732683269327032713272327332743275327632773278...3399 新しいコメント 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
NumPyはALglibとはアルゴリズムが違うようだ。
MaximのCPUは私の2倍速い。彼がAlglibaのタイミングを教えたかどうかは覚えていない。
Alglibの古いバージョンと比較してください。遅くなったというデータはない。
マキシムのCPUは私のCPUより2倍速い。彼がアルグリーバのタイミングを教えたかどうかは覚えていない。
タイミング
トレーディング、自動トレーディング・システム、トレーディング戦略のテストに関するフォーラム
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。
Aleksey Vyazmikin, 2023.09.26 05:19 AM
これは古いFX-8350です
取引、自動取引システム、取引戦略のテストに関するフォーラムです。
トレーディングにおける機械学習:理論、モデル、実践、アルゴリズム取引
Aleksey Vyazmikin, 2023.09.26 05:37 AM
統計については、これが私の結果です。
Pythonはコードを実行するときに小さな並列化を持っていることに注意する必要があります - 約2つのコアで半秒、残りは1つのコアでカウントされます。
標準的なものは現在のalglibovのものより遅いと自分で書いていたね。古いものはコードの形で持っているが、ターミナルは持っていない。
Alglibのソース自体はMQが行列用に書き直したものです。標準的なCorrCoefについては議論したくもない。
つまり、Alglibには2つのソースがある。
時間
Alglibのソース自体はMQが行列を書き直したものだ。標準的なCorrCoefについては議論したくもない。
ーAlglibのーソースはー2ー
NumPyはALglibとは異なるアルゴリズムを持っているようです。
AlgLibでは、オリジナルのドキュメントに、なぜ違うのか、どれが、何のためにあるのかが書いてある。リグレッションでは(私はそこでほとんどAlgLibを掘り下げていました)、それはかなりオリジナルです。
ここでも、すべてが奇妙に比較されます。様々なライブラリ/リアライゼーションのspeed=f(dimensionality,special_matrix_properties)依存性のグラフを作成して見てください。あなたは天井からエッジケースを取り出しています。
そしてそこで、絶対値ではなく、症状と「プラトー」の存在に注目する。そこから特定のデータを扱うためのツールを選択する。
マキシムのCPUは私のCPUより2倍速い。ーアルグリーバのーにー、ー覚えていない。
ータはータはー、ータはー
、フレンドリーなフレンドリーなー。例えば、暗号には端末は全く必要ない。
スピードという点では、 まったくもってクソだ繰り返しになるが、ある意味で奇妙な比較の仕方だ。
私は比較をするのではなく、誰もが自分のケースに合わせて測定できるコードを提供するのだ。
100という文字列の長さはパターンの長さです。それ以上は必要ないでしょう。
15000サンプルは、相関行列の2次関数の大きさのため、メモリが制限されます。サンプル数は多ければ多いほどいい。だから私は、100万個のサンプルを持つことができる自家製のものを書いたのだ。
私は客観的な比較に費やす意欲も時間もない。私は自分の仕事のためにこれを作り、作業コードを共有した。必要な人に見てもらいたい。