我在16核机器上运行glmnet，偏好使用lasso回归。我有一个大约800K行的稀疏矩阵格式数据，包含大约2K列，需要训练以预测第一列的概率。
这个过程变得非常慢。我想知道，是否有办法通过在nfolds上并行化来加速它，或者我是否可以选择更少的行而不影响准确性。这是可能的吗？如果可以，哪种方法更好？
回答：
可以通过使用并行化来加速这个过程，如上面的评论链接中所解释的，在R中并行执行glmnet可以通过在cv.glmnet()函数中设置parallel=TRUE选项来实现，一旦你指定了核心数量，像这样：
library(doParallel)registerDoParallel(5)m <- cv.glmnet(x, y, family="binomial", alpha=0.7, type.measure="auc", grouped=FALSE, standardize=FALSE, parallel=TRUE)减少行数更多是基于测试集上的AUC值的判断。如果它高于阈值，并且减少行数不影响这一点，那么这无疑是一个好主意。
