R 无法分配大小为xx.x MB的向量

我有以下代码：

library(biglm)
library(ff)

myData <- read.csv.ffdf(file = "myFile.csv")
testData <- read.csv(file = "test.csv")
form <- dependent ~ .
model <- biglm(form, data=myData)
predictedData <- predict(model, newdata=testData)

库（biglm）
图书馆（ff）
myData以下是可能的原因和解决方案：

原因：您使用的是32位R

解决方案：使用64位R

原因：你的内存太少了

解决方案：如果可以的话，分配更多RAM（
？内存.限制
）。如果你不能考虑使用<代码> FF，在<强>块/<强>中运行，运行<代码> gc-（）/<代码>，或者利用云来最坏地放大。分块通常是大数据成功的关键——试着一次做10%的预测，在每次分块后将结果保存到磁盘，并在使用后删除内存中的对象

原因：您的代码中有一个漏洞泄漏内存

解决方案：修复错误——这看起来不像是您的情况，但是请确保您拥有预期大小的数据，并密切关注资源监视器程序，以确保没有发生任何有趣的事情

我以前没有使用过
biglm
软件包。根据您所说的，在调用
predict
时内存不足，新数据集有近7000000行

要解决内存问题，必须按块进行预测。例如，一次迭代预测20000行。我不确定
predict.bigglm
是否可以进行分块预测

为什么不看看
mgcv
package
bam
可适用于大型数据集的线性模型/广义线性模型/广义相加模型等。类似于
biglm
，它在拟合模型时执行分块矩阵分解。但是，
predict.bam
支持分块预测，这对您的案例非常有用。此外，它还进行并行模型拟合和模型预测，由
并行
包支持[使用
bam（）
的参数
集群
；有关并行示例，请参见
？bam
和
？predict.bam
下的示例]

只需执行
library（mgcv）
，并选中
？bam
，
？predict.bam


备注

不要为并行性使用
nthreads
参数。这对于参数回归是没有用的。
我试过使用biglm和mgcv，但记忆和因子问题很快就出现了。我在：h2o库方面取得了一些成功。
model$rank给了我一个空值，我有6999251 rowsI版本3.3.0（2016-05-03）——“假定教育”平台：x86_64-pc-linux-gnu（64位）。您知道如何使用ff为预测向量保留数据吗？@antonio您的系统报告的RAM总量、尝试执行此操作之前的可用RAM、可用存储磁盘空间，以及它表示向量尝试分配但分配失败的大小？让我先问一下，因为如果它是xx.x MB而不是xxxx.xx MB，并且您是64位的，那么您可能只需要将内存分配增加到R，等等。