big.matrix作为R中的data.frame

Question

我最近开始使用R进行数据分析.现在我在排序一个大的查询数据集时遇到了问题(在ASCII模式下约为1 GB,在我的笔记本电脑的二进制模式下的4GB RAM中).使用bigmemory::big.matrix此数据集是一个很好的解决方案,但在gbm()或randomForest()算法中提供这样的矩阵"m" 会导致错误:

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

class(m)输出如下:

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

有没有办法正确地将big.matrix实例传递给这些算法？

Answer 1

我显然无法使用您的比例数据进行测试,但我可以使用每个函数的公式接口重现您的错误:

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是大数据集的相当常见的建议; 它可能效率很低.如果您阅读?gbm,您会看到类似的建议,也可以指导gbm.fit大型数据.