machine-learning - 如何使用具有许多时间序列数据的集合，每个数据的平均长度为 20？

Question

我有大量的短时间序列数据（短时间序列的平均长度 = 20）。数据的总大小约为 6 GB。当前系统工作方式如下： 1) 将 6 GB 数据加载到 RAM 中。2) 处理数据。3）将每个时间序列对应的预测值放入excel中。

问题是每次我运行上述系统时，我的 8 GB RAM PC 都需要将近 1 个小时。请提出一个更好的方法来减少我的时间。

标签： machine-learningdeep-learningtime-seriesbigdataforecasting

Answer 1

• 使用更快的编程语言。例如，您可以更喜欢使用 Julia 或 C++ 而不是 MATLAB 或 Python。

• 试着让你的代码更有效率。例如，不要通过复制数据（按值传递）将数据传递给您的函数，而是尝试将它们作为引用传递（按引用传递与按值传递有什么区别？）。使用更高效的数据结构。

• 将您的数据集分成更小的部分。分别处理每个小部分。然后，在最后合并输出。