用mice R软件包并行计算多重插补
我想使用用mice R软件包并行计算多重插补,r,parallel-processing,r-mice,R,Parallel Processing,R Mice,我想使用R中的鼠标运行150次多重插补。然而,为了节省一些计算时间,我会撒谎将过程细分为并行流(正如Stef van Buuren在“缺失数据的灵活插补”中所建议的那样) 我的问题是:如何做到这一点 我可以想象两种选择: 备选案文1: imp1<-mice(data, m=1, pred=quicktry, maxit=15, seed=1) imp2<-mice(data, m=1, pred=quicktry, maxit=15, seed=1) imp...<-mice(
R
中的鼠标运行150次多重插补。然而,为了节省一些计算时间,我会撒谎将过程细分为并行流(正如Stef van Buuren在“缺失数据的灵活插补”中所建议的那样)
我的问题是:如何做到这一点
我可以想象两种选择:
备选案文1:
imp1<-mice(data, m=1, pred=quicktry, maxit=15, seed=1)
imp2<-mice(data, m=1, pred=quicktry, maxit=15, seed=1)
imp...<-mice(data, m=1, pred=quicktry, maxit=15, seed=1)
imp150<-mice(data, m=1, pred=quicktry, maxit=15, seed=1)
通过将VAL_1添加到150
否则,在我看来(我可能错了),如果它们都使用相同的数据集和相同的种子运行,您将得到150倍相同的结果
还有其他选择吗
谢谢所以主要的问题是合并插补,在我看来有三种选择,使用ibind
,如前所述完成
,或者尝试保持mids结构。我强烈建议使用ibind
解决方案。其他的答案留给那些好奇的人
获得并行结果
在做任何事情之前,我们需要得到平行的老鼠插补。并行部分相当简单,我们需要做的就是使用并行包,并确保使用clusterSetRNGStream
设置种子:
library(parallel)
# Using all cores can slow down the computer
# significantly, I therefore try to leave one
# core alone in order to be able to do something
# else during the time the code runs
cores_2_use <- detectCores() - 1
cl <- makeCluster(cores_2_use)
clusterSetRNGStream(cl, 9956)
clusterExport(cl, "nhanes")
clusterEvalQ(cl, library(mice))
imp_pars <-
parLapply(cl = cl, X = 1:cores_2_use, fun = function(no){
mice(nhanes, m = 30, printFlag = FALSE)
})
stopCluster(cl)
使用foreach
和ibind
也许最简单的替代方法是使用foreach
:
library(foreach)
library(doParallel)
cl <- makeCluster(cores_2_use)
clusterSetRNGStream(cl, 9956)
registerDoParallel(cl)
library(mice)
imp_merged <-
foreach(no = 1:cores_2_use,
.combine = ibind,
.export = "nhanes",
.packages = "mice") %dopar%
{
mice(nhanes, m = 30, printFlag = FALSE)
}
stopCluster(cl)
给出输出:
est se est se
(Intercept) 20.41921496 3.85943925 20.33952967 3.79002725
age -3.56928102 1.35801557 -3.65568620 1.27603817
hyp 1.63952970 2.05618895 1.60216683 2.17650536
chl 0.05396451 0.02278867 0.05525561 0.02087995
保持正确的mids对象
下面我的另一种方法展示了如何合并插补对象并保留mids
对象背后的全部功能。自从使用了ibind
解决方案后,我就把这个留给了任何有兴趣探索如何合并复杂列表的人
我已经研究了鼠标
的mids对象,为了在并行运行后获得至少一个类似的mids对象,您必须采取一些步骤。如果我们检查mids对象并比较两个具有两种不同设置的对象,我们会得到:
library(mice)
imp <- list()
imp <- c(imp,
list(mice(nhanes, m = 40)))
imp <- c(imp,
list(mice(nhanes, m = 20)))
sapply(names(imp[[1]]),
function(n)
try(all(useful::compare.list(imp[[1]][[n]],
imp[[2]][[n]]))))
给出:
est se est se
(Intercept) 20.16057550 3.74819873 20.31814393 3.7346252
age -3.67906629 1.19873118 -3.64395716 1.1476377
hyp 1.72637216 2.01171565 1.71063127 1.9936347
chl 0.05590999 0.02350609 0.05476829 0.0213819
est se
(Intercept) 20.14271905 3.60702992
age -3.78345532 1.21550474
hyp 1.77361005 2.11415290
chl 0.05648672 0.02046868
好了,就这样。玩得开心。我想你没有答案的原因是你的问题太宽泛,不够具体。关于使用R进行并行处理的主题,有很多参考资料。请尝试构建一些实现您的选项的代码,如果遇到问题,请发布一个更具体的问题。分割本身并不能节省计算时间。您需要研究并行化包,例如parallel
、snow
或multicore
。然而,了解这些工作将花费的时间可能比你通过插补节省的时间要多。你仍然对答案感兴趣吗?@SimonG:从实现方面来说并不难,我想说,最具挑战性的部分是知道什么是并行化,以及如何在应用数据方面进行并行化。我最近实现了Emanuela想要做的事情,我对结果非常满意。你可以在我的回答中读到更多:。是的,Aleksandr,我仍然感兴趣!我一定会尝试你建议的程序。仅供参考:我认为你可以通过使用鼠标ibind()
而不是你的mergemices()
:。谢谢@AleksandrBlekh-我已经添加了这个作为推荐解决方案。我没有第一眼就找到它,真烦人。我的荣幸!我也没有立即注意到这一点——有人向我指出了这种方法。顺便说一句,在添加引用时,您在整个答案中键入了函数名(代码块除外)-它是ibind
。这是一个很好的答案--我都将其向上投票并保存到Evernote--但我在第一个解决方案中遇到了问题。我有一个45000x64数据集,丢失率约为5%。作为测试,在m=1的4核2.5GHz笔记本电脑上运行解决方案第一部分的代码大约需要20分钟。在具有24个相同速度内核的服务器上运行相同的代码需要两倍的时间。我哪里做错了?我用m=30试过了,但两个小时后,我不得不把它杀死,因为我没有足够的时间去看它需要多长时间才能完成。@Hack-R:根据我的经验,这是因为缺乏记忆。如果运行到最大内存,Windows计算机将在Linux计算机崩溃时开始交换(虚拟暂停)。我最近写了一篇关于并行化的博文:我建议您尝试减少数据集中的列数(如果可能的话),或者将插补的数据集保存到文件中,返回文件名,执行rm(imp_数据);gc()代码>然后在插补后加载文件。
est se est se
(Intercept) 20.41921496 3.85943925 20.33952967 3.79002725
age -3.56928102 1.35801557 -3.65568620 1.27603817
hyp 1.63952970 2.05618895 1.60216683 2.17650536
chl 0.05396451 0.02278867 0.05525561 0.02087995
library(mice)
imp <- list()
imp <- c(imp,
list(mice(nhanes, m = 40)))
imp <- c(imp,
list(mice(nhanes, m = 20)))
sapply(names(imp[[1]]),
function(n)
try(all(useful::compare.list(imp[[1]][[n]],
imp[[2]][[n]]))))
mergeMice <- function (imp) {
merged_imp <- NULL
for (n in 1:length(imp)){
if (is.null(merged_imp)){
merged_imp <- imp[[n]]
}else{
counter <- merged_imp$m
# Update counter
merged_imp$m <-
merged_imp$m + imp[[n]]$m
# Rename chains
dimnames(imp[[n]]$chainMean)[[3]] <-
sprintf("Chain %d", (counter + 1):merged_imp$m)
dimnames(imp[[n]]$chainVar)[[3]] <-
sprintf("Chain %d", (counter + 1):merged_imp$m)
# Merge chains
merged_imp$chainMean <-
abind::abind(merged_imp$chainMean,
imp[[n]]$chainMean)
merged_imp$chainVar <-
abind::abind(merged_imp$chainVar,
imp[[n]]$chainVar)
for (nn in names(merged_imp$imp)){
# Non-imputed variables are not in the
# data.frame format but are null
if (!is.null(imp[[n]]$imp[[nn]])){
colnames(imp[[n]]$imp[[nn]]) <-
(counter + 1):merged_imp$m
merged_imp$imp[[nn]] <-
cbind(merged_imp$imp[[nn]],
imp[[n]]$imp[[nn]])
}
}
}
}
# TODO: The function should update the $call parameter
return(merged_imp)
}
merged_imp <- mergeMice(imp)
merged_imp_pars <- mergeMice(imp_pars)
# Compare the three alternatives
cbind(
summary(pool(with(data=merged_imp,
exp=lm(bmi~age+hyp+chl))))[,c("est", "se")],
summary(pool(with(data=merged_imp_pars,
exp=lm(bmi~age+hyp+chl))))[,c("est", "se")],
summary(pool(with(data=mice(nhanes,
m = merged_imp$m,
printFlag = FALSE),
exp=lm(bmi~age+hyp+chl))))[,c("est", "se")])
est se est se
(Intercept) 20.16057550 3.74819873 20.31814393 3.7346252
age -3.67906629 1.19873118 -3.64395716 1.1476377
hyp 1.72637216 2.01171565 1.71063127 1.9936347
chl 0.05590999 0.02350609 0.05476829 0.0213819
est se
(Intercept) 20.14271905 3.60702992
age -3.78345532 1.21550474
hyp 1.77361005 2.11415290
chl 0.05648672 0.02046868