r - 并行化随机森林

Question

通过搜索和询问，我发现了许多可以使用我服务器的所有核心的软件包，以及许多可以进行随机森林的软件包。

我对此很陌生，并且在并行化随机森林训练的所有方法之间迷失了方向。您能否就使用和/或避免使用和/或避免它们中的每一个的原因提供一些建议，或者它们的某些特定组合(以及是否带有 caret ？)已经证明了它们？

并行化包:
doParallel ,
doSNOW ,
doSMP (停产了？)，
doMC
(还有 mclapply 呢？)

随机森林软件包:

[ caret +以下一些]
rf ,
parRF ,
randomForest ,
ranger ,
Rborist ,
parallelRandomForest (使我的 R Studio session 崩溃...)

谢谢

Answer 1

SO上有几个答案，比如parallel execution of random forest in R和 Suggestions for speeding up Random Forests ，我会看看。

这些帖子很有帮助，但有点旧。 ranger package 是随机森林的一个特别快速的实现，所以如果你不熟悉它，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，哪个包为您提供最佳性能会有所不同。