Fra*_* M. 5 parallel-processing r random-forest
通过搜索和询问，我发现了许多可以用来利用服务器所有核心的软件包，以及许多可以进行随机森林的软件包。
我对此很陌生，并且在并行随机森林训练的所有方法中迷失了方向。您能否就使用和/或避免它们中的每一个或它们的某些特定组合（以及有或没有caret？）的理由提出一些建议，并已证明？
并行化包：
doParallel,
doSNOW,
doSMP（停产了？），
doMC
（那又怎么样mclapply？）
随机森林包：
[ caret+以下一些内容]
rf,
parRF,
randomForest,
ranger,
Rborist,
parallelRandomForest（导致我的 R Studio 会话崩溃...）
谢谢
关于 SO 有一些答案，例如R 中随机森林的并行执行和加速随机森林的建议，我会看一下。
这些帖子很有帮助，但有点旧了。该ranger软件包是随机森林的一种特别快速的实现，因此，如果您对此不熟悉，这可能是加速模型训练的最简单方法。他们的论文讨论了一些可用软件包的权衡 - 根据您的数据大小和功能数量，哪个软件包为您提供最佳性能会有所不同。