Machine learning 如何处理具有多个平均长度为20的时间序列数据的集合？_Machine Learning_Deep Learning_Time Series_Bigdata_Forecasting

Machine learning 如何处理具有多个平均长度为20的时间序列数据的集合？

machine-learning deep-learning

Machine learning 如何处理具有多个平均长度为20的时间序列数据的集合？,machine-learning,deep-learning,time-series,bigdata,forecasting,Machine Learning,Deep Learning,Time Series,Bigdata,Forecasting,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6GB。当前系统以以下方式工作： 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 问题是，每次我运行上述系统，在我的8GB RAM PC上都要花费将近1小时的时间。请建议一个更好的方法来减少我的时间。使用更快的编程语言。例如，您可以更喜欢使用朱丽亚或C++来代替MATLAB或Python。尽量使你的代码更有效率。例如，不要通过复制数据（按值传递）将数据传递给函数

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6GB。当前系统以以下方式工作： 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

问题是，每次我运行上述系统，在我的8GB RAM PC上都要花费将近1小时的时间。请建议一个更好的方法来减少我的时间。

使用更快的编程语言。例如，您可以更喜欢使用朱丽亚或C++来代替MATLAB或Python。
尽量使你的代码更有效率。例如，不要通过复制数据（按值传递）将数据传递给函数，而是尝试将它们作为引用（）传递。使用更高效的数据结构
将数据集分成更小的部分。分别处理每个小部件。然后，在末尾合并输出