randomForest 和长向量的问题答案

【问题标题】：Issue with randomForest & long vectorsrandomForest 和长向量的问题
【发布时间】：2014-08-03 10:50:13
【问题描述】：

我在一个包含 8 个数字列（预测变量）和 1 个因子（结果）的数据集上运行随机森林。数据集中有 120 万行。当我这样做时：

randomForest(outcome.f ~ a + b + c + d + e + f + g + h,data=mdata))，我收到一个错误：

"Error in randomForest.default(m, y, ...) : 
 long vectors (argument 26) are not supported in .Fortran"

有什么办法可以防止这种情况发生吗？我不明白为什么这个包（显然）试图分配一个长度为 2^31-1 的向量。我正在使用带有 Intel Core i7 的 Mac OS X 10.9.2（以防架构很重要）。

会话信息

R version 3.1.0 (2014-04-10)
Platform: x86_64-apple-darwin13.1.0 (64-bit)

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] randomForest_4.6-7

loaded via a namespace (and not attached):
[1] tools_3.1.0

【问题讨论】：

你发现了吗？（同样的问题......）

标签： r random-forest

【解决方案1】：

我之前遇到过这个问题，使用proximity = FALSE 解决了这个问题。这样就不会计算邻近矩阵，并且 R 能够完成该过程

【讨论】：

【解决方案2】：

我刚刚弹出这个错误，因为我的“y”数据集实际上是 NULL，所以请注意这一点并检查并确保你的 y 向量不为空。

【讨论】：

【解决方案3】：

我认为需要建立的联系是，如果您使用 64 位版本的 R，训练集或树大小太大会触发一些仅与 32 位版本兼容的 c 代码。所以，减少树的大小和训练的大小来弥补。

【讨论】：

【解决方案4】：

你也可以减少树的数量（ntree）。

【讨论】：

【解决方案5】：

永远不要在训练集上运行太多行的随机森林。

rf1 <- randomForest(Outcome ~ ., train[1:600000,], ntree=500, norm.votes=FALSE, do.trace=10,importance=TRUE)
rf2 <- randomForest(Outcome ~ ., train[600001:1200000,], ntree=500, norm.votes=FALSE, do.trace=10,importance=TRUE)
rf.combined <- combine(rf1,rf2)

如果仍然报错，尝试减小训练集的大小（例如 500000 或 100000），分成 rf1、rf2 和 rf3，然后将它们组合起来。希望对您有所帮助。

【讨论】：

为什么？你能提供更多细节吗！
因为我们对普通 R 可以运行的内存量有限制，除非我们对其进行调整