交易中的机器学习：理论、模型、实践和算法交易 - 页 3259

新评论
 
Maxim Dmitrievsky #:

考虑到矩阵创建的时间测量

将两个矩阵保存到文件中，以便核对结果。

 
Aleksey Vyazmikin #:

R ChatGPT 提供

这个 R 变体几乎比 NumPy 差 6 倍。

 
Aleksey Vyazmikin #:

据我所知，python 可以处理整数矩阵，而这里的速度则不同

如果代码正确，结果如下

应检查计算结果本身的准确性/可比性问题。

判断标准 

Array size: 0.0762939453125 MB
计算出的矩阵是 100*100，而不是 15000*15000。
 
Forester #:


在我们启动之前



在运行 Alglibov PearsonCorrM 时， 内存一直在增长： 看到了 5 gg，屏幕上出现了 4,6 gg


在标准 Matrix.CorrCoef 的工作过程中

显然，标准的 Matrix.CorrCoef 是为了最小化内存使用量而优化的，而 Alglibov 则是为了提高速度而优化的。

也许在某个地方需要调整数组的大小，这样会非常慢。如果一次性找到并设置最终大小，可能会快一些

 

您很擅长将任何想法转化为g......counting all kinds of uninteresting results :)

阿列克谢是一位特殊的业余爱好者

 
fxsaber #:

将两个矩阵保存到文件中，以核对结果。

https://drive.google.com/file/d/1ATJkHwUY8jzeRp-rdTsYBeYHor-68EPB/view?usp=share_link

 
您需要一个能从内存中计算矩阵的工具
这是首要任务，而不是矩阵计数的速度。
因为如果你没有足够的内存（你也没有），矩阵计数的速度就无关紧要了。
 
您可以购买 TB 级硬盘并计算光盘，矩阵将有专用光盘 💩
 
Forester #:

根据

计算的是 100*100 矩阵，而不是 15000*15000。
15000 * 100 * 4 字节 / 1024 / 1024 ≈ 5.72 MB
 
mytarmailS #:
你需要一个能在内存外计算矩阵的工具
这是当务之急，而不是内存中计数的速度。
因为如果你没有足够的内存（你也没有），矩阵的计数速度就无关紧要了。

到目前为止，我还没发现在一台简单的家用机上计算百万乘百万的矩阵有任何技术障碍。但 NumPy 与 MQL5 的比较对我来说非常重要。

1...325232533254325532563257325832593260326132623263326432653266...3399
新评论