比 R 中的 lm() 更快的函数

Faster functions than lm() in R

我正在尝试 运行 R 中的基本回归模型。以前,我总是使用 lm() 函数而没有任何问题。但是,我的数据框现在对于这个函数和我的电脑来说太大了。在 运行 在我的数据集上使用 lm() 函数 30 分钟后没有看到任何进展,我停止了该函数并使 RStudio 崩溃。我使用的电脑有 24GB 内存。

我的回归模型是:

lm(y~var1+var2+var3+var4, data = df)

我尝试 运行 lm() 函数的数据是: n=100000,有 4 个自变量(一个 numeric,三个 factor)且呈正态分布。

我发现使用 glm4() 函数(来自 MatrixModels 包)要快得多,并且在我的情况下不会使 R 崩溃。但是,此函数在调用时不会生成摘要 table:

library(MatrixModels)

fit <- glm4(y~var1+var2+var3+var4, data = df, sparse = TRUE, family = gaussian)

summary(fit)
  Length    Class     Mode 
       1 glpModel       S4

只有使用 head(coef(fit)) 调用系数才有效,但是,我更喜欢完整的摘要 table。

head(coef(fit))

我也看到了这个话题: Is there a faster lm function,其中讨论了函数 lm.fit().lm.fit(),尽管这些函数中的语法和输入(矩阵)与其他函数不同。 speedglm 包 returns 中的函数 speedglm 在我的例子中是一个错误。大多数关于替代 lm()glm() 函数的主题也已过时。

目前在大型数据集上 运行 lm() 的最佳方法是什么?

显然,运行 对约 100,000 个观测值的数据集进行回归应该不是问题。

在主post上收到有用的评论后,我发现回归输入中使用的自变量之一被编码为字符,通过使用以下命令查找数据类型数据框中的每一列 (df):

str(df)

$ var1           : chr  "x1" "x2" "x1" "x1"
$ var2           : Factor w/ 2 levels "factor1" "factor2": 1 1 1 0
$ var3           : Factor w/ 2 levels "factorx" "factory": 0 1 1 0
$ var4           : num 1 8 3 2

将 var1 更改为因子变量:

df$var1 <- as.factor(df$var1)

将 var1 更改为因子变量后,回归确实在几秒钟内 运行s。