我正在尝试使用R语言在一些大型数据（不是大数据）上运行一些机器学习算法。

我用来测试代码的（相对较小）的玩具数据有不到10万行和850列（包括一个有14个层次的因子列）。

我正在尝试运行一个支持向量机（包：e1071）、一棵树（包：tree）、一个随机森林（包：randomForest）和一个提升树（包：gbm）。

我使用的计算机有12个核心。当我打开活动监视器时，函数似乎随机使用核心（一次最多使用4个）。有没有一个函数可以更有效地在所有核心上分配工作？

回答：

caret包可以完成所有这些操作，同时允许你使用多核选项。

library(doMC) registerDoMC(cores = 5)#所有后续模型都将并行运行 model <- train(y ~ ., data = training, method = "rf")

这是一个来自http://topepo.github.io/caret/parallel.html的例子