R中的並行處理

Question

我正在使用自定義隨機森林函數，該函數需要一組基因組數據（約56k列）中的起點和終點。

我想將列號分為多個子組，並允許每個子組分別處理以加快處理速度。 我使用以下代碼嘗試了此操作（未成功）：

library(foreach)
library(doMC)
foreach(startMrk=(markers$start), endMrk=(markers$end)) %dopar% 
    rfFunction(genoA,genoB,0.8,ntree=100,startMrk=startMrk,endMrk=endMrk)

其中startMrk是數字變量數組： 1 4 8 12 16和endMrk是另一個數組： 3 7 11 15 19

對於此示例，我希望一個內核運行1：3的樣本，另一個內核運行4：7的樣本，依此類推。我對R中的並行處理的想法是陌生的，所以我很樂於研究任何文檔可用。 有人對並行處理或上面的代碼缺少我的建議嗎？

Answer 1

這里的基本要點是，您正在將列拆分為大塊。 首先，最好在每次迭代時對數據集進行適當的分塊，然后將這些分塊輸入到RF中。 另外，foreach的工作方式與for一樣，因此代碼可以

rfs=vector('list',4)
foreach(i=1:4) %dopar% {
  ind <- markers$start[i]:markers$end[i]
  rfs[[i]] <- randomForest(genoA[,ind],genoB[,ind], 0.8, ntree=100)
}

我在常規randomForest中提供了此功能，但是您可以通過簡單的方式將其包裝到您的自定義代碼中。