Оптимизация пакета randomForest с помощью параллельной обработки - PullRequest
Новая
       49

Оптимизация пакета randomForest с помощью параллельной обработки

0 голосов
/ 17 апреля 2019

Как я могу получить следующий код (альтернативный код тоже подойдет) для повышения скорости анализа randomForest по уравнению регрессии с использованием нескольких ядер в параллельном подходе к работе?

#Parallelized Random Forest Model
RFcores <- detectCores()/3 + 4
RFcores
RFtrees <- 1000/RFcores
RFtrees
cl <- makeCluster(RFcores)
registerDoParallel(cl)
timer <- proc.time()
form <- as.formula(paste(a, "~", b))
fit <- foreach(ntree = rep(RFtrees, RFcores), .combine = gtable_combine, .packages = 'randomForest') %dopar% 
   { 
                randomForest(form, data = maindf, mtry = 4, 
                             keep.forest = FALSE, nodesize = 10000, do.trace = TRUE, maxnodes = 5, 
                            improve = 0.01, doBest = TRUE, importance = TRUE, ntree = ntree)}
proc.time() - timer
stopCluster(cl)
}

Я получаю следующую ошибку, связанную с .combine argument в функции foreach. 

error calling combine function:
<simpleError in align_2(x, y, along = along, join = join): Both gtables must have names along dimension to be aligned>

Я с нетерпением жду каких-либо мыслей по этому вопросу.

1 Ответ

0 голосов
/ 01 мая 2019

Взгляните на Параллельные статистические вычисления с R: Иллюстрация на двух архитектурах , которая дает два способа распараллеливания вычислений случайных лесов: с mclapply и с pbdMPI.

...