big.matrix作为data.frame r

Question

我最近开始使用R进行数据分析。现在，我在排名一个大查询数据集（在ASCII模式下进行〜1 GB，在我的笔记本电脑的4GB RAM上以二进制模式为单位）有问题。使用 bigmemory::big.matrix 对于此数据集是一个不错的解决方案，但是在 gbm() 或者 randomForest() 算法导致错误：

cannot coerce class 'structure("big.matrix", package = "bigmemory")' into a data.frame

班级（M）输出循环：

[1] "big.matrix"
attr(,"package")
[1] "bigmemory"

有没有办法正确地通过 big.matrix 实例进入这些算法？

Answer 1

显然，我无法使用您的量表数据测试此数据，但是我可以使用每个函数的公式接口来重现您的错误：

require(bigmemory)
m <- matrix(sample(0:1,5000,replace = TRUE),1000,5)
colnames(m) <- paste("V",1:5,sep = "")

bm <- as.big.matrix(m,type = "integer")

require(gbm)
require(randomForest)

#Throws error you describe
rs <- randomForest(V1~.,data = bm)
#Runs without error (with a warning about the response only having two values)
rs <- randomForest(x = bm[,-1],y = bm[,1])

#Throws error you describe
rs <- gbm(V1~.,data = bm)
#Runs without error
rs <- gbm.fit(x = bm[,-1],y = bm[,1])

不使用公式接口 randomForest 对于大型数据集是相当普遍的建议；它效率很低。如果您阅读 ?gbm, ，您会看到类似的建议将您转向 gbm.fit 对于大数据也是如此。

Answer 2

通常情况下，数字对象占据的内存不仅仅是磁盘空间。向量或矩阵中的每个“双”元素都采用8个字节。当您将对象胁迫到数据框时，可能需要在RAM中复制它。您应该避免尝试使用由BigMemory/Big ***套件支持的功能和数据结构。可以使用“ BigLM”，但我怀疑您是否可以期望GBM（）或RandomForest（）识别和使用“ Big”家族中的设施。