我正在尝试对包含27个预测变量的数据框进行随机森林的递归特征消除，每个变量有3653个值。因此，预测数据框总共有98631个值。我使用的是caret包中的rfe函数。

require(caret)require(randomForest)subsets <- c(1:5, 10, 15, 20, 25)set.seed(10)ctrl <- rfeControl(functions = rfFuncs,                   method = "repeatedcv",                   repeats = 5,                   verbose = FALSE,                   allowParallel=TRUE)rfProfile <- rfe(predictors,                  y,                 sizes = subsets,                 rfeControl = ctrl)

我在rfeControl中使用了allowParallel=TRUE，希望它能在我的Windows机器上并行运行这个过程。但我并不确定它是否真的在并行运行，因为在设置allowParallel=TRUE后，我没有看到运行时间的减少。这个过程需要很长时间，每次我都不得不在一两个小时后中断内核。

我如何知道caret是否在并行运行RFE？我是否需要安装其他并行处理包，以便caret能够并行运行这个过程？

任何帮助/建议将不胜感激！我刚进入机器学习领域，所以需要一些时间来弄明白这些事情。

回答：

尝试在运行rfe之前安装并注册doParallel包。这在我Windows机器上似乎有效。

以下是从caret文档中提取的一个详细示例，展示了在使用doParallel之前和之后的时间测量

subsetSizes <- c(2, 4, 6, 8)set.seed(123)seeds <- vector(mode = "list", length = 51)for(i in 1:50) seeds[[i]] <- sample.int(1000, length(subsetSizes) + 1)seeds[[51]] <- sample.int(1000, 1)data(BloodBrain)

不使用并行处理运行

set.seed(1)system.time(rfMod <- rfe(bbbDescr, logBBB,         sizes = subsetSizes,         rfeControl = rfeControl(functions = rfFuncs,                                  seeds = seeds,                                 number = 50)))   user  system elapsed  113.32    0.44  114.43 

注册并行处理

library(doParallel) cl <- makeCluster(detectCores(), type='PSOCK')registerDoParallel(cl)

使用并行处理运行

set.seed(1)system.time(rfMod <- rfe(bbbDescr, logBBB,         sizes = subsetSizes,         rfeControl = rfeControl(functions = rfFuncs,                                  seeds = seeds,                                 number = 50)))   user  system elapsed    1.57    0.01   56.27