1

使用lme函数，我在一个包含近 47 万个观测值和大约 40 个变量的大型数据集上拟合了一个模型。这个 fit ( object.size(fit)) 的大小接近 300 Mb，这在服务器中存储是不可行的。目标是让用户以交互方式定义一个newdata（最多有 500 个观察值），然后调用predict(fit, newdata, level = 0, na.action = na.omit)以输出预测值。问题是如何减少fit服务器中给定有限存储空间的大小？

在这篇文章中已经尝试了几种方法，但它并没有将尺寸缩小到我真正需要的尺寸。

任何想法？谢谢！

4

1 回答 1

3

与任何类一样，这些lme对象被设计为包含它们可能需要的所有内容，以便在其上调用任何已编写的函数。如果您只想使用裸露的骨骼，则只需提取所需的内容并重新分配类，以便调用正确的 S3 方法。要查看您需要哪些组件，您必须查看源代码nlme:::predict.lme。这是数据集的示例Orthodont。

library(nlme)
data(Orthodont)

# Just fit a model
fm1 <- lme(distance ~ age, data = Orthodont)

# pull out the minimal components needed for prediction
min_fm1 <- list(modelStruct = fm1$modelStruct, 
                dims = fm1$dims, 
                contrasts = fm1$contrasts, 
                coefficients = fm1$coefficients, 
                groups = fm1$groups, 
                call = fm1$call,
                terms = fm1$terms)

# assign class otherwise the default predict method would be called
class(min_fm1) <- "lme"

# By dropping this like fm1$data you trim it down quite a bit
object.size(fm1)
63880 bytes
object.size(min_fm1)
22992 bytes

# make sure output identical
identical(predict(min_fm1, Orthodont, level = 0, na.action = na.omit), 
          predict(fm1, Orthodont, level = 0, na.action = na.omit))
[1] TRUE
于 2015-02-16T16:16:55.310 回答