我有一个工作函数,它被编码为优化并行处理(希望如此)。我仍然不是最精通R
的,尤其是函数和迭代。
我希望有人可以帮助我优化我写的函数沿着额外的代码,以帮助计算时间和充分优化并行处理选项。
特别是使用%do%
与%dopar%
,并将额外的代码和并行处理函数移动到函数内部。我似乎无法让%dopar%
工作,我不确定这是我的代码、R
版本还是库冲突的问题。
我将非常感谢任何关于以更有效的方式获得相同结果的可能方法的建议。
背景:
我正在使用dismo::gbm.step
构建gbm
模型。gbm.step
通过k折交叉验证选择最佳的树数。然而,树的复杂度和学习率的参数仍然需要设置。我知道caret::train
是专门为这个任务而构建的,我在学习caret
的过程中得到了很多乐趣,特别是它的自适应重采样功能。但是,我的回答是二项分布,caret
没有返回二项分布AUC的选项;我想使用AUC来复制我的领域(生态学)中类似的已发表研究。
在后面的分析中,我还使用了dismo::gbm.simplify
来识别可能的简化模型。gbm.simplify
依赖于在dismo
中构建模型时创建的数据,我无法让它在caret
中构建的模型上工作。
最后,生态学中的大多数gbm
文献都遵循Elith等人描述的方法。2008“A working guide to boosted regression trees”,这是dismo
中BRT功能的基础。出于本研究的目的,我想继续使用dismo
来构建gbm
模型。
我编写的函数测试tree.complexity
和learning.rate
的几种组合,并返回每个模型的几个性能指标的列表。然后,我将所有lists
合并为一个data.frame
,以便于排序。
函数的目标
1.从tree.complexity
和learning.rate
的每次迭代创建gbm
模型。
1.为创建的每个gbm
模型将$self.statistics$discrimination
、cv.statistics$discrimination.mean
、self.statistics$mean.resid
和cv.statistics$deviance.mean
存储在list
中。
1.删除每个gbm
型号以保存空间。
1.将每个列表组合成便于排序的格式。然后删除每个列表。
1.以优化并行处理以及减少计算时间和所用内存的方式执行上述所有操作。
可复制示例使用dismo
包中的Anguilla_train
数据集
#Load libraries
require(pacman)
p_load(gbm, dismo, TeachingDemos, foreach, doParallel, data.table)
data(Anguilla_train)
#Identify cores on current system
cores<-detectCores(all.tests = FALSE, logical = FALSE)
cores
#Create training function for gbm.step
step.train.fx=function(tree.com,learn){
#set seed for reproducibility
char2seed("StackOverflow", set = TRUE)
k1<-gbm.step(data=Anguilla_train,
gbm.x = 3:13,
gbm.y = 2,
family = "bernoulli",
tree.complexity = tree.com,
learning.rate = learn,
bag.fraction = 0.7,
prev.stratify=TRUE,
n.folds=10,
n.trees=700,
step.size=25,
silent=TRUE,
plot.main = FALSE,
n.cores=cores)
k.out=list(interaction.depth=k1$interaction.depth,
shrinkage=k1$shrinkage,
n.trees=k1$n.trees,
AUC=k1$self.statistics$discrimination,
cv.AUC=k1$cv.statistics$discrimination.mean,
deviance=k1$self.statistics$mean.resid,
cv.deviance=k1$cv.statistics$deviance.mean)
return(k.out)
}
#define complexity and learning rate
tree.complexity<-c(1:5)
learning.rate<-c(0.01,0.025,0.005,0.0025,0.001)
#setup parallel backend to use n processors
cl<-makeCluster(cores)
registerDoParallel(cl)
#Run the actual function
foreach(i = tree.complexity) %do% {
foreach(j = learning.rate) %do% {
nam=paste0("gbm_tc",i,"lr",j)
assign(nam,step.train.fx(tree.com=i,learn=j))
}
}
#Stop parallel
stopCluster(cl)
registerDoSEQ()
#disable scientific notation
options(scipen=999)
#Find all item in workspace that contain "gbm_tc"
train.all<-ls(pattern="gbm_tc")
#cbind each list that contains "gbm_tc"
train.results<-list(do.call(cbind,mget(train.all)))
#Place in a data frame
train.results<- do.call(rbind, lapply(train.results, rbind))
train.results <- data.frame(matrix(unlist(train.results),ncol=7 , byrow=T))
#Change column names
colnames(train.results)<-c("TC","LR","n.trees", "AUC", "cv.AUC", "dev", "cv.dev")
#Round 4:7
train.results[,4:7]<-round(train.results[,4:7],digits=3)
#Sort by cv.dev, cv.AUC, AUC
train.results<-train.results[order(train.results$cv.dev,-train.results$cv.AUC, -train.results$AUC),]
train.results
2条答案
按热度按时间cpjpxq1n1#
我自己也在想怎么做,你比我做得更好!我想到的一件事是,问题可能出在嵌套的
%do%
中?作为一个测试,为什么不尝试只对j
使用%dopar%
,或者看看是否可以将j
和k
矩阵折叠成一个向量,可能是一个包含两项排列的列表,传递给gbm.step
?例如请让我知道如果你有任何成功!
编辑:另外,另一个可能的路由是从here到
%:%
。如果你把
tree.com
和learn
添加到列表中,那么它可能会吐出这些值的一个很好的矩阵。另一种选择:798qvoo82#
我使用了您在这里和this post中的一些代码完成了这一任务