无法在R中执行逻辑回归

我正在data.frame（11359行，137列）上尝试逻辑回归。data.frame包含Y（一个因变量）和预测器（136个自变量）。所有变量都是二进制的

我根据“我的数据”data.frame创建的公式是

f=as.formula（粘贴（'y~'，粘贴（colnames（我的数据）[c（3:52，54:133，138:143）]，折叠='+'））

。 我应用了glm、logistf和pmlr，如下所示

• glm（f，family=binomial（link=“logit”），data=my\u data）

• logistf（f，我的数据）

• pmlr（f，data=my_data，method=“likelion”，joint=TRUE）

Glm函数估计一些参数，但给出

警告消息：
glm.fit：拟合概率数值为0或1

。我发现这条消息是由于分离问题而生成的，所以我尝试了logistf和pmlr函数

使用logistf，我在50小时后没有得到任何结果，所以我决定终止te过程。（cpu使用率为23-27%，前10小时内存使用率约为1100mb，然后为2-3mb）

对于pmlr，我得到了这个

错误：无法分配大小为28.9GB的向量

我尝试了基于137个变量中的10个的logistf和pmlr来检查问题是否出在预测因子的数量上，我得到了相同的结果。Logistf“永远”工作，pmlr给出了相同类型的错误和不同大小的向量（比以前更大！！！！，如果我没记错的话，大约45 Gb）

我是否应该更新笔记本电脑的RAM以执行此计算、查找其他功能（如果有其他程序包用于惩罚逻辑回归）或是其他类型的问题，例如大量变量

Windows 10 x64，处理器：i3-2.4GHz，Ram:8.00Gb，R版本：x64 3.4.0，Rstudio:1.0.143。
和

biglm创建一个线性模型对象，该对象只使用p^2内存来存储p变量。可以使用update使用更多数据对其进行更新。这允许对大于内存的数据集进行线性回归

比格尔姆
创建仅使用
p^2用于p变量的内存

比格尔姆
用法

R中向量的最大大小有一个限制，即2^31-1。可能您的数据超出了此限制。不管你的机器是什么，这个大小是R中向量的极限。如果你的问题与此相关，唯一的方法就是使用其他算法，包括分解数据和容忍模型的准确性。尝试使用
speedglm
：你将如何处理所有预测值：作为一名替补，可能会通过套索回归将其丢弃，看看会出现哪些预测值？请参见
？glmnet
bigglm(formula, data, family=gaussian(),...)
## S3 method for class
'
data.frame
'
bigglm(formula, data,...,chunksize=5000)
## S3 method for class
'
function
'
bigglm(formula, data, family=gaussian(),
weights=NULL, sandwich=FALSE, maxit=8, tolerance=1e-7,
start=NULL,quiet=FALSE,...)
## S3 method for class
'
RODBC
'
bigglm(formula, data, family=gaussian(),
tablename, ..., chunksize=5000)
## S4 method for signature
'
ANY,DBIConnection
'
bigglm(formula, data, family=gaussian(),
tablename, ..., chunksize=5000