关于做女装的网站,梧州市建设局网站,网站还没上线 可以对网站备案吗,wordpress调用当前分类名此函数允许估计时间序列的熵。它基于Lempel-Ziv压缩算法。对于长度为n的时间序列#xff0c;熵估计为#xff1a;E(1/n和L_i)^-1 ln(n)式中#xff0c;L逯i是从位置i开始的最短子串的长度#xff0c;该子串之前没有从位置1出现到i-1。当n接近无穷大时#xff0c;估计的熵收…此函数允许估计时间序列的熵。它基于Lempel-Ziv压缩算法。对于长度为n的时间序列熵估计为E(1/n和L_i)^-1 ln(n)式中L逯i是从位置i开始的最短子串的长度该子串之前没有从位置1出现到i-1。当n接近无穷大时估计的熵收敛到时间序列的实熵。在我想用Python实现is我是这样做的def contains(small, big):for i in range(len(big)-len(small)1):if big[i:ilen(small)] small:return Truereturn Falsedef actual_entropy(l):n len(l)sequence [l[0]]sum_gamma 0for i in range(1, n):for j in range(i1, n1):s l[i:j]if contains(s, sequence) ! True:sum_gamma len(s)sequence.append(l[i])breakae 1 / (sum_gamma / n ) * math.log(n)return ae但是我发现当数据越来越大时它的计算速度太慢了。例如我使用了一个包含23832个元素的列表作为输入所消耗的时间如下(data can be foundhere)^{pr2}$我有成千上万的这样的名单要计算这么长的时间是无法忍受的。我应该如何优化此功能并使其更快地工作在
