隨機森林生存分析崩潰

Question

我正在嘗試在具有59個變量的6500條記錄數據幀上運行RFSRC：

rfsrc_test <- rfsrc(Surv(TIME, DIED) ~ ., data=test, nsplit=10, na.action = "na.impute")

當我在1500條記錄上運行它時似乎可以工作，但是在整個數據集上崩潰。
它使R崩潰而沒有任何特定錯誤-有時會給出“異常處理錯誤”。
有什么想法如何調試這個嗎？ 我在數據庫中瀏覽了一些奇怪的行，但是沒有任何運氣。

Answer 1

我們不知道每個記錄的大小，也不知道變量的復雜性。

當我遇到RAM開銷時，我遇到了類似的情況。 R不是為海量數據集設計的。 並行處理將解決此問題，但是R不是為此設計的，下一個建議是購買更多的RAM。

我的方法是減少變量的數量，直到您可以處理6500條記錄（以確保其只是數據集的大小）為止。 然后，我將預先篩選每個變量（例如GLM）的適用性，並使用可以解釋大量數據並最大程度減少殘差的變量。 然后，我將在數量減少的變量上重新運行生存分析。

Answer 2

您可以檢查的一件事是時間變量-存在多少個不同的值？ 生存森林將為每個節點保存累積危害函數。 如果數據集中唯一時間點的數量大於CHFS的增長范圍，則也必須四舍五入我的時間變量，這會大大減少運行時間。