/ / Използване на всички ядра за R MASS :: stepAIC процес - r, паралелна обработка

Използване на всички ядра за R MASS :: stepAIC процес - r, паралелна обработка

Аз се мъчех да извърша такъв анализ и публикуван на сайта за статистически данни за това дали вземам нещата вдясноно докато разследвах, аз също установих, че прекрасният мощен процесор (linux OS, i7) използва само 1 от ядрото си. Оказва се, че това е по подразбиране поведение, но имам доста голям набор от данни и между 40 и 50 променливи, от които да избирам.

Функция stepAIC, която проверява различниразлични модели изглеждат като идеалното нещо за смазване, но аз съм относително newb с R и имам само скептични понятия за паралелно изчисляване.

Аз погледнах документацията запакети паралелно и снеговалеж, но те изглежда имат някои вградени списъци функции за parallelization и аз не съм сигурен как да morph stepAIC във форма, която може да се работи в parellel използване на тези пакети.

Някой знае ли 1) дали това е осъществимо упражнение, 2) как да направя това, което искам да направя и може да ми даде някаква основна структура / списък с ключови думи, от които ще се нуждая?

Благодаря предварително, Стеф

Отговори:

3 за отговор № 1

Мисля, че процесът, при който стъпка зависи от последната (както при подбирането на стъпки), не е тривиално да се прави паралелно.

Най-простият начин да направите нещо паралелно знам е:

library(doMC)
registerDoMC()
l <- foreach(i=1:X) %dopar% { fun(...) }

в лошото си разбиране за постепенните извлеченияпроменливи (или добавяне напред / назад) на модел и измерване на монтажа във всяка стъпка. Ако извличате променлива, подходяща за модел, най-добре е да запазите този модел, например. В предишната паралелна функция всяка стъпка е сляпа за друга стъпка, може би бихте могли да напишете своя собствена функция за изпълнение на тази задача, както в

http://beckmw.wordpress.com/tag/stepwise-selection/

Търсих този код и ми се струва, че можете да използвате паралелно изчисляване с функцията vif_func ...

Мисля, че също така трябва да проверите оптимизирани кодове, за да изпълнявате тази задача, както и в пакетите

http://cran.r-project.org/web/packages/leaps/index.html

Надявам се това да помогне...