Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3257
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
em statistics.mqh.
functions
PearsonCorrM - A correlação de todas as linhas com todas as linhas é a mais rápida.
Estou errado em algum lugar, mas não estou vendo isso.
Mas ele funciona com esta string
const matrix<double> matrix1 = {{2, 2, 3}, {3, 2, 3}, {1, 2, 1}};
[0,0,0]
[0.8660254037844387,0,1]]
Aparentemente, se todos os dados em uma coluna forem os mesmos, o cálculo será ignorado.
Na segunda coluna, deixei todos os dados em 2 e a segunda linha da matriz permaneceu zero. Embora provavelmente seja correto preencher a diagonal com 1s.
PS. No início, pensei que fosse um bug do Alglib.
No código antigo, os valores dos elementos eram definidos por meio de
m[row].Set(col, val);
E agora
m.Set(row,col, val);
É uma pena que não haja compatibilidade com versões anteriores. Bem, isso não importa para mim. Não estou trabalhando com o Alglib agora. Se os códigos antigos de alguém pararem de funcionar, será necessário corrigi-los.
O mais triste é que a versão antiga de
m[row].Set(col, val);
não escreve mensagens de erro, ela simplesmente não faz nada. As pessoas simplesmente não substituirão e não saberão que precisam alterar o código. Ele contará alguma coisa, mas com matrizes inalteradas.
Aparentemente, se todos os dados em uma coluna forem iguais, o cálculo será ignorado.
A Pearson não calcula entre linhas, mas entre colunas?
Parece que sim. Ele fornece uma única matriz.A Pearson não calcula entre linhas, mas entre colunas?
ZY Parece que sim. Ele produz uma matriz unitária.A Alglib é uma boa biblioteca, ela tem tudo para MO. As redes neurais são muito lentas lá, era assim nas primeiras versões.
em statistics.mqh.
PearsonCorrM - A correlação de todas as linhas com todas as linhas é a mais rápida.
Com base nisso, calculei a matriz de correlação.
Medi o desempenho.
Resultado.
É possível ver que o Alglib calcula a matriz mais rapidamente do que o método de matriz padrão.
Entretanto, para a pesquisa de padrões, o cálculo da matriz de correlação é insano em termos de consumo de RAM.
Quanto tempo o Python leva para ler o mesmo tamanho da matriz original, como no exemplo acima?
No entanto, é uma loucura que consome muita memória RAM ler uma matriz de correlação para encontrar padrões.
Minha matriz nativa funcionou mais rápido no meu i7-6700
É estranho que o nativo seja mais lento, eles podem ter apenas copiado. É improvável que o Alglibe tenha algum algoritmo acelerado exclusivo sob licença.
Você já tentou as outras duas variantes do Alglib?
Se você contar em loops cada linha para cada linha ou cada linha para todas as linhas, a memória será mais econômica (2 linhas ou 1 linha + matriz). Mas isso levará mais tempo, não me lembro exatamente, mas acho que será mais lento do que a função integrada.
No entanto, é uma loucura que consome muita memória RAM ler uma matriz de correlação para encontrar padrões.
A situação é pior com relação à memória.
Antes de iniciar
E durante o trabalho do Alglibov PearsonCorrM, a memória está aumentando o tempo todo: vi 5 gg e 4,6 na tela.
e durante o trabalho do Matrix.CorrCoef padrão.
Aparentemente, o padrão é otimizado para uso mínimo de memória, e o Alglibov é otimizado para velocidade.
Consegui que o integrado funcionasse mais rápido: em um i7-6700.
E ao executar o PearsonCorrM do Alglib, a memória continua crescendo: e 5 gg foram vistos, 4,6 apareceram na tela
Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação
Aprendizado de máquina na negociação: teoria, modelos, prática e algo-trading
fxsaber, 2023.09.25 18:01
Essa é apenas uma transição de CMatrixDouble para matrix<double>. Tive até que fazer essa comparação de matrizes por causa da memória.
Fórum sobre negociação, sistemas de negociação automatizados e teste de estratégias de negociação
Aprendizado de máquina na negociação: teoria, modelos, prática e algo-trading
fxsaber, 2023.09.25 18:01