R 机器学习功能通过在多个核之间分配工作来处理大量数据

我尝试在一些大数据（不是大数据）上使用r运行一些机器学习算法

我用来测试代码的玩具数据（相对较小）只有不到100000行和850列（包括具有14个级别的1因子列）

我正在尝试运行一个svm（包：

e1071

）、一个树（包：

tree

）、一个随机林（包：

randomfree

）和一个增强树（包：

gbm

）

---

我正在使用的计算机有12个核。当我打开活动监视器时，函数似乎随机使用核心（一次最多4个）是否有一个功能可以更有效地将工作分配到所有内核？

在允许您使用多核选项的同时，

插入符号

包可以完成所有这些功能

library(doMC) 
registerDoMC(cores = 5)
#All subsequent models are then run in parallel 
model <- train(y ~ ., data = training, method = "rf")

库（doMC）
registerDoMC（核心=5）
#然后，所有后续模型并行运行
模型