R GLM系数估计加速比

我需要一个模拟来估计超过10亿个不同的逻辑回归（logit-link），其中我只需要跟踪系数估计。没有别的了。 我正在寻找一种比glm（…，family=binomial）更快获得此信息的方法。。 我尝试在似然度上使用优化函数，但即使从实际系数值开始算法，它也需要与“glm”命令几乎相同的时间。

---

该模型包括1-5个协变量，n在100到1000之间。此外：我正在并行运行主循环，它可以工作（我将以前的时间减少了70%左右），但是如果我需要模拟n=1000，它仍然是一个长期运行。

这是重复的吗？（我不是100%确定，因为这是一个关于做一个相对大的适合）。直接优化可能性应该比

glm（）

慢得多。（数十亿？哇。）PS-知道个体回归中（平均）涉及的观察值/参数的数量会很有帮助。我将给出与Ben相同的链接（特别是他的评论）。我相信优化BLAS和并行化（例如，如果你的机构没有集群，从Amazon EC2租用一些CPU）似乎是一个明显的方法。不，这不是重复，这是大约十亿个类似情况的实现：1-5个协变量，n在100到1000之间。此外：我正在并行运行主循环，它是有效的（我将以前的时间减少了70%左右），但是如果我需要模拟n=1000，它仍然是一个长期的运行。那么，通过实现

speedglm（）

和/或

glm.fit

，您取得了多大的进展？你能告诉我们目前的建议有多大帮助吗？您应该编辑您的问题，以包含有关协变量和n的信息（注释是短暂的）…我将尝试使用您建议我使用的命令，我发现MRO（Microsoft R Open）版本的RIs这是重复的吗？（我不是100%确定，因为这是一个关于做一个相对大的适合）。直接优化可能性应该比

glm（）

慢得多。（数十亿？哇。）PS-知道个体回归中（平均）涉及的观察值/参数的数量会很有帮助。我将给出与Ben相同的链接（特别是他的评论）。我相信优化BLAS和并行化（例如，如果你的机构没有集群，从Amazon EC2租用一些CPU）似乎是一个明显的方法。不，这不是重复，这是大约十亿个类似情况的实现：1-5个协变量，n在100到1000之间。此外：我正在并行运行主循环，它是有效的（我将以前的时间减少了70%左右），但是如果我需要模拟n=1000，它仍然是一个长期的运行。那么，通过实现

speedglm（）

和/或

glm.fit

，您取得了多大的进展？你能告诉我们目前的建议有多大帮助吗？您应该编辑您的问题，以包含有关协变量和n的信息（注释是短暂的）…我将尝试使用您建议我使用的命令，我发现了R的MRO（Microsoft R Open）版本