我在R中使用randomForest包对这个大型数据集进行随机森林回归分析时遇到了问题，即使使用doSNOW并行处理并使用了10到20个核心，计算时间仍然很长。我认为我对randomForest函数中的”sampsize”参数存在误解。当我将数据集子集化到100,000行时，我可以在一棵树上花费9到10秒的时间构建它。
training = read.csv("training.csv")t100K = sample_n(training, 100000)system.time(randomForest(tree~., data=t100K, ntree=1, importance=T)) #~10sec但是，当我在运行randomForest的过程中使用sampsize参数从完整数据集中抽取100,000行时，构建同一棵树需要几个小时。
system.time(randomForest(tree~., data=training, sampsize = ifelse(nrow(training<100000),nrow(training), 100000), ntree=1, importance=T)) #>>100x as long. Why?显然，我最终将运行超过一棵树。我在这里遗漏了什么？谢谢。
回答：
你的括号有点问题。注意以下语句的区别。你目前有的是：
ifelse(nrow(mtcars<10),nrow(mtcars), 10)这会计算布尔矩阵mtcars<10中TRUE的数量，该矩阵对于mtcars中每个小于10的元素标记为TRUE，否则标记为FALSE。你想要的是：
ifelse(nrow(mtcars)<10,nrow(mtcars), 10)希望这对你有帮助。
