Jestem trochę nowy dla r i chciałbym użyć pakietu, który pozwala na przetwarzanie wielu rdzeni w celu szybszego uruchomienia funkcji glm. Zastanawiam się, czy istnieje składnia, której mogę użyć w tej sprawie. Oto przykładowy model glm, który napisałem, czy mogę dodać parametr, który użyje wielu rdzeni?Jak korzystać z przetwarzania wielu rdzeni do szybszego działania funkcji glm?
g<-glm(IsChurn~.,data=dat,family='binomial')
Dzięki.
Użyłem speedglm, a wyniki są bardzo dobre: użycie glm zajęło mi 14,5 sekundy, aby uzyskać wyniki, a przy speedglm zajęło mi to 1,5 sek. że 90% poprawa ... kod jest bardzo prosty: m <- speedglm(y ~ s1 + s2,data=df). Po prostu nie zapomnij zainstalować i zadzwonić do paczki. Kolejna kwestia: nie można używać wszystkich zmiennych z "." speedglm nie rozpoznaje kropki jako "wszystkich zmiennych".
Inne pakiety Przydatne są: http://cran.r-project.org/web/packages/gputools/gputools.pdf z gpuGlm i http://cran.r-project.org/web/packages/mgcv/mgcv.pdf patrz punkt mgcv.parallel o gam(..., control=list(nthreads=nc)) lub bam(..., cluster=makeCluster(nc)) gdzie nc jest ilość twoich prawdziwych rdzeni
nie łatwo . Być może będziesz mógł zainstalować wektoryzowaną/wielordzeniową bibliotekę BLAS (algebra liniowa). Być może spojrzeć na Revolution R ... –
np. http://blog.revolutionanalytics.com/2010/06/performance-benefits-of-mithithreaded-r.html (ale zobacz komentarze tam o tym, czy to rzeczywiście pomoże 'glm') –
http://stackoverflow.com/ pytania/16284766/how-to-speed-up-glm-estimation-in-r –