R - 并行化多个模型学习(使用 dplyr 和 purrr)

Question

这是对 previous question 的跟进关于学习多个模型。

用例是我对每个主题都有多个观察结果，并且
我想为他们每个人训练一个模型。见哈德利的 excellent presentation关于如何做到这一点。

简而言之，这可以使用 dplyr 来完成。和 purrr像这样:

library(purrr)
library(dplyr)
library(fitdistrplus)
dt %>% 
    split(dt$subject_id) %>%
    map( ~ fitdist(.$observation, "norm")) 

因此，由于模型构建是一项令人尴尬的并行任务，因此我
想知道是否 dplyr , purrr为此类任务提供易于使用的并行化机制(如并行 map)。

如果这些库不提供简单的并行化，是否可以使用经典的 R 并行化库( parallel 、 foreach 等)来完成？

Answer 1

只需在此处添加完整的答案，您将需要安装 multidplyr从 Hadley 的 repo 运行这个，更多信息在 vignette :

library(dplyr)
library(multidplyr)
library(purrr)

cluster <- create_cluster(4)
set_default_cluster(cluster)
cluster_library(cluster, "fitdistrplus")

# dt is a dataframe, subject_id identifies observations from each subject
by_subject <- partition(dt, subject_id)

fits <- by_subject %>% 
    do(fit = fitdist(.$observation, "norm")))

collected_fits <- collect(fits)$fit
collected_summaries <- collected_fits %>% map(summary)