我正在使用randomForest包进行一些工作,虽然效果很好,但可能会很耗时。有人对加快速度有任何建议吗?我正在使用带有双核AMD芯片的Windows 7盒子。我知道R不是多线程/处理器,但很好奇是否有任何并行包(rmpisnowsnowfall等)可用于randomForest。谢谢。

编辑:

我正在使用rF进行某些分类工作(0和1)。数据大约有8到12个可变列,并且训练集是1万行的样本,因此它的大小不错但并不疯狂。我正在运行500棵树,而其中的mtry是2、3或4。

编辑2:
这是一些输出:

> head(t22)
  Id Fail     CCUse Age S-TFail         DR MonInc #OpenLines L-TFail RE M-TFail Dep
1  1    1 0.7661266  45       2 0.80298213   9120         13       0  6       0   2
2  2    0 0.9571510  40       0 0.12187620   2600          4       0  0       0   1
3  3    0 0.6581801  38       1 0.08511338   3042          2       1  0       0   0
4  4    0 0.2338098  30       0 0.03604968   3300          5       0  0       0   0
5  5    0 0.9072394  49       1 0.02492570  63588          7       0  1       0   0
6  6    0 0.2131787  74       0 0.37560697   3500          3       0  1       0   1
> ptm <- proc.time()
>
> RF<- randomForest(t22[,-c(1,2,7,12)],t22$Fail
+                    ,sampsize=c(10000),do.trace=F,importance=TRUE,ntree=500,,forest=TRUE)
Warning message:
In randomForest.default(t22[, -c(1, 2, 7, 12)], t22$Fail, sampsize = c(10000),  :
  The response has five or fewer unique values.  Are you sure you want to do regression?
> proc.time() - ptm
   user  system elapsed
 437.30    0.86  450.97
>

最佳答案

foreach软件包的手册中有一个关于并行随机森林的章节
(Using The foreach Package,第5.1节):

> library("foreach")
> library("doSNOW")
> registerDoSNOW(makeCluster(4, type="SOCK"))

> x <- matrix(runif(500), 100)
> y <- gl(2, 50)

> rf <- foreach(ntree = rep(250, 4), .combine = combine, .packages = "randomForest") %dopar%
+    randomForest(x, y, ntree = ntree)
> rf
Call:
randomForest(x = x, y = y, ntree = ntree)
Type of random forest: classification
Number of trees: 1000

如果我们想创建一个包含1000棵树的随机森林模型,而我们的计算机有四个
核心,我们可以通过将randomForest参数设置为250来执行四次ntree函数,将问题分为四部分。当然,我们必须组合生成的randomForest对象,但是randomForest包附带了一个称为combine的函数。

07-24 09:52
查看更多