我有一个大约 20k 行和 160 列的数据集。经过一些简单的预处理(例如接近零方差和删除具有大量 NA 的变量)后，我只保留 56 列作为特征。现在，我想用随机森林方法对此数据执行训练模型。但大约一个小时后它没有回应，我放弃了它。
是否有任何代码可以根据我的电脑配置预测训练模型所需的时间？ 通常，在具有此维度的数据集上执行随机森林或 rpart 训练方法需要多少时间？
最佳答案
尝试为randomForest函数设置一些参数。从少量树 (ntree) 和/或每次分割时绘制的少量变量 (mtry) 开始，和/或少量“叶子”(maxnodes)。然后更改参数以提高模型的复杂性和准确性。当您从小处开始并慢慢增加参数以查看它们对性能的影响时，这也将有助于提高计算机的计算速度。
请注意，如果您使用randomForest进行特征选择(这就是我使用它的原因)，请使用大量的ntree，少量的 >mtry，以及少量的 maxnodes，以便您可以提取有关单变量的良好信息。
关于r - 在 R 中执行预测模型的时间，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49213476/