Problematic runtime đào tạo rừng ngẫu nhiên khi sử dụng giao diện công thức

Question

Chạy ví dụ rừng ngẫu nhiên từ http://www.kaggle.com/c/icdar2013-gender-prediction-from-handwriting/data, dòng sau:

forest_model <- randomForest(as.factor(male) ~ ., data=train, ntree=10000) 

mất giờ (không chắc liệu nó sẽ không bao giờ kết thúc, nhưng quá trình này không có vẻ làm việc) .

Tập dữ liệu có 1128 hàng và ~ 7000 biến.

Có thể ước tính khi nào việc đào tạo Rừng Ngẫu nhiên sẽ kết thúc không? Tôi có thể lập hồ sơ R bằng cách nào đó để có thêm thông tin không?

Answer 1

Một ý tưởng, để kiểm soát sự hội tụ là sử dụng do.trace cho một chế độ verbose

iris.rf <- randomForest(Species ~ ., data=iris, importance=TRUE, 
+       proximity=TRUE,do.trace=TRUE) 
ntree  OOB  1  2  3 
    1: 8.62% 0.00% 9.52% 15.00% 
    2: 5.49% 0.00% 3.45% 13.79% 
    3: 5.45% 0.00% 5.41% 11.76% 
    4: 4.72% 0.00% 4.88% 9.30% 
    5: 5.11% 0.00% 6.52% 8.89% 
    6: 5.56% 2.08% 6.25% 8.33% 
    7: 4.76% 0.00% 6.12% 8.16% 
    8: 5.41% 0.00% 8.16% 8.16% 
....... 

Answer 2

Tìm thấy vấn đề, sử dụng công thức trong randomForest đã tạo ra một sự xuống cấp hiệu suất khủng khiếp.

Thông tin thêm về điều này và làm thế nào để ước tính rừng ngẫu nhiên thời gian chạy có thể được tìm thấy trong: https://stats.stackexchange.com/questions/37370/random-forest-computing-time-in-r và trong http://www.gregorypark.org/?p=286

Đây là mã cuối cùng:

forest_model <- randomForest(y=train$male, x=train[,-2], ntree=10000,do.trace=T)