Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3258
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Как я понимаю, питон может работать с целочисленной матрицей и тут скорости уже другого порядка
Если код корректен, то результат таков
Вопрос точности/сопоаставимости результатов самих вычислений нужно проверять.
Это просто переход от CMatrixDouble к matrix<double>.
На приведение форматов в обе стороны суммарно увеличивается время выполнения на 20%. Но это все равно значительно (> 3 раза) медленнее NumPy.
Замер времени с учетом создания матрицы
Сохраните обе матрицы в файлы для сверки результатов.
Вот на R ChatGPT предлагает
Этот вариант R почти в 6 раз уступает NumPy.
Как я понимаю, питон может работать с целочисленной матрицей и тут скорости уже другого порядка
Если код корректен, то результат таков
Вопрос точности/сопоаставимости результатов самих вычислений нужно проверять.
Судя по
Array size: 0.0762939453125 MB
Посчитана матрица 100*100 а не 15000*15000С памятью все хуже.
Перед запуском
А во время работы Алглибовского PearsonCorrM память все время растет: и 5 гг видел, на скрин 4,6 попало
и во время работы штатного Matrix.CorrCoef
Видимо штатный оптиизирован для мин. использования памяти, а алглибовский оптимизирован на скорость.
Возможно где-то resize массива происходит, что очень медленно. Если найти и сразу задать финальный размер, то может и быстрее будет
Вы изумительно умеете переводить любую идею на г.. подсчет всяких малоинтересных результатов :)
Алексей особенный любитель
Сохраните обе матрицы в файлы для сверки результатов.
https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link