r - 如何处理派对包中Ctree中的内存问题？

Question

我正在使用 Party R 包的 ctree 方法来生成决策树。

我的数据集大约有 22 列和 650000 行数据。我使用 memory.limit 命令为我的 r 会话分配了 10GB 内存。

我有一个 2.3 GHz i3 处理器和 6GB 内存。我在这里做错了什么。

我得到的错误是

Calloc could not allocate memory (6223507 of 8 bytes)

Answer 1

好的，我终于找到了一些时间来做这件事。这不是太优雅，但应该工作。首先，加载下面的库和函数（你需要安装data.table包）

library(data.table)
library(party)

WeightFunc <- function(data, DV){
# Creating some paste function in order to paste unique paths
paste2 <- function(x) paste(x, collapse = ",")
ignore <- DV

# Creating unique paths
test3 <- apply(data[setdiff(names(data),ignore)], 1, paste2)

# Binding the unique paths vector back to the original data
data <- cbind(data, test3)
#data

# Getting the values of each explaining variable per each unique path
dt <- data.table(data[setdiff(names(data), ignore)])
dt.out <- as.data.frame(dt[, head(.SD, 1), by = test3])

# Creating dummy variables per each value of our dependable variable for further calculations
DVLvs <- as.character(unique(data[, DV]))
data[, DVLvs[1]] <- ifelse(data[, DV] == DVLvs[1], 1, 0)
data[, DVLvs[2]] <- ifelse(data[, DV] == DVLvs[2], 1, 0)
data[, DVLvs[3]] <- ifelse(data[, DV] == DVLvs[3], 1, 0)

# Summing dummy variables per unique path
dt <- data.table(data[c("test3", DVLvs)])
dt.out2 <- as.data.frame(dt[, lapply(.SD, sum), by = test3])

# Binding unique pathes with sums
dt.out2$test3 <- dt.out$test3 <- NULL
test <- cbind(dt.out, dt.out2)

# Duplicating the data in order to create a weights for every level of expalined variable
test2 <- test[rep(1:nrow(test),each = 3), ]  
test2 <- cbind(test2, AdjDV = DVLvs)
test2$Weights <- ifelse(is.element(seq(1:nrow(test2)), grep("[.]1", rownames(test2))), test2[, DVLvs[2]], 
                        ifelse(is.element(seq(1:nrow(test2)), grep("[.]2",rownames(test2))), test2[, DVLvs[3]], test2[, DVLvs[1]]))

# Deleting unseassery column
test2[, DVLvs[1]] <- test2[, DVLvs[2]] <- test2[, DVLvs[3]] <- NULL

return(test2)
}

现在在您的数据集上运行此函数，您的数据在哪里，data并且DV是您解释的变量名称（用引号括起来）并将其保存在新数据集中，例如：

Newdata <- WeightFunc(data = Mydata, DV = "Success")

现在，如果你有许多独特的路径，这个过程可能需要一段时间，但它不应该让你的记忆超负荷。如果你没有太多的唯一路径，这个函数应该可以将你的数据集减少几十甚至几百倍。此外，此功能仅适用于 3 级因子解释变量（如您所见）。

之后，您可以ctree像以前一样运行 ，但使用新数据和新的解释变量（将被称为 AdjDV）和 wiegths 参数称为 Weights。在Weights运行ctree. 像那样：

ct <- ctree(AdjDV ~., data = Newdata[setdiff(names(Newdata), "Weights")], weights = Newdata$Weights)