R中随机林的并行执行

我并行运行R中的随机林

library(doMC)
registerDoMC()
x <- matrix(runif(500), 100)
y <- gl(2, 50)

库（doMC）
registerDoMC（）
您是否知道该软件包可以为您进行大量并行运行（以及数据准备、摘要等）的手工操作

当然，最终，如果随机森林计算本身还剩下一些代价高昂的操作，那么你几乎无能为力，因为Andy花了好几年时间来改进它。我希望在采摘过程中几乎不会有低垂的果实……
设置
。多组合
到
TRUE
可以产生显著的不同：

rf <- foreach(ntree=rep(25000, 6), .combine=randomForest::combine,
              .multicombine=TRUE, .packages='randomForest') %dopar% {
    randomForest(x, y, ntree=ntree)
}

rf根据您的CPU，您可能会获得5%-30%的速度提升，选择作业数以匹配注册的内核数与系统逻辑内核数。（有时匹配系统物理核心的数量更有效）。
如果您有一台具有超线程（4个逻辑内核）的通用Intel双核笔记本电脑，那么DoMC可能注册了一个4个内核的集群。因此，当计算迭代5和6加上启动/停止两个额外作业的额外时间时，2个内核将空闲。如果只制作2-4个多树的作业，效率会更高。
我想知道该代码是否对您有帮助

它在他的数据集上运行速度快了6倍，内存消耗减少了16倍

还有一个并行实现。
H20包可以用来解决您的问题

根据H20页面，H2O是“开源的”
计算并行分布式数据的大数据数学引擎
机器学习算法，如广义线性模型，
梯度提升机、随机森林和神经网络
（深度学习）在各种集群环境中。”

使用H2O实现随机林：

.combine=combine最好是.combine=randomForest:：combine因为还有dplyr:：combine也会导致issuesHey@Steve Weston，你知道如何将此表单推广到源代码脚本中吗？我已经在R中跟踪了你几天的并行化问题，我很清楚，如果有人知道怎么做，那就是你。
rf <- foreach(ntree=rep(25000, 6), .combine=combine) %do%
randomForest(x, y, ntree=ntree) 

rf <- foreach(ntree=rep(25000, 6), .combine=randomForest::combine,
              .multicombine=TRUE, .packages='randomForest') %dopar% {
    randomForest(x, y, ntree=ntree)
}