并行化随机森林
Parallelizing random forests
通过搜索和询问，我找到了很多可以用来利用我服务器所有核心的包，还有很多可以做随机森林的包。
我在这方面很陌生，我在并行化随机森林训练的所有方法之间迷失了方向。您能否就使用 and/or 的原因给出一些建议，避免它们中的每一个，或者它们的某些特定组合（有或没有 caret ？）已经证明了？
并行化包：
doParallel、
doSNOW、
doSMP（停产？），
doMC
（那 mclapply 呢？）
随机森林包：
[caret + 以下部分]
rf、
parRF、
randomForest、
ranger,
Rborist,
parallelRandomForest（使我的 R Studio 会话崩溃...）
谢谢
SO 上有一些答案，例如 parallel execution of random forest in R and Suggestions for speeding up Random Forests，我会看一下。
这些帖子很有用，但有点老了。 ranger 包是随机森林的一个特别快速的实现，所以如果你是新手，它可能是加速模型训练的最简单方法。 Their paper 讨论了一些可用包的权衡 - 根据您的数据大小和功能数量，哪个包给您最好的性能会有所不同。
通过搜索和询问，我找到了很多可以用来利用我服务器所有核心的包，还有很多可以做随机森林的包。
我在这方面很陌生，我在并行化随机森林训练的所有方法之间迷失了方向。您能否就使用 and/or 的原因给出一些建议，避免它们中的每一个，或者它们的某些特定组合（有或没有 caret ？）已经证明了？
并行化包：
doParallel、
doSNOW、
doSMP（停产？），
doMC
（那 mclapply 呢？）
随机森林包：
[caret + 以下部分]
rf、
parRF、
randomForest、
ranger,
Rborist,
parallelRandomForest（使我的 R Studio 会话崩溃...）
谢谢
SO 上有一些答案，例如 parallel execution of random forest in R and Suggestions for speeding up Random Forests，我会看一下。
这些帖子很有用，但有点老了。 ranger 包是随机森林的一个特别快速的实现，所以如果你是新手，它可能是加速模型训练的最简单方法。 Their paper 讨论了一些可用包的权衡 - 根据您的数据大小和功能数量，哪个包给您最好的性能会有所不同。