R：如何在 randomForest 中使用长向量？

Posted 2023-03-12

【中文标题】R：如何在 randomForest 中使用长向量？

【英文标题】：R: how to use long vectors with randomForest?

【发布时间】：2014-04-22 16:30:35

【问题描述】：

R 3.0.0 的新特性之一是引入了长向量。但是，.C() 和 .Fortran() 不接受长向量输入。在R-bloggers 我发现：

这是一种预防措施，因为现有代码不太可能被编写来处理长向量（并且 R 包装器通常假设 length(x) 是整数）

我使用 R-package randomForest 并且这个包显然需要 .Fortran() 因为它崩溃并留下错误消息

randomForest.default 中的错误：.Fortran 不支持长向量（参数 20）

如何克服这个问题？我在 Windows 7 64 位计算机上使用 randomForest 4.6-7（在 R 3.0.2 下构建）。

【问题讨论】：

通过一些工作，可以扩展 R 包连接已编译代码以支持长向量。请参阅 R 包 cran.r-project.org/package=dotCall64 和 doi.org/10.1016/j.softx.2018.06.002

【参考方案1】：

保证您的输入数据帧将被 randomForest 接受的唯一方法是确保数据帧内的向量长度不超过 2^31 – 1（即不长）。如果您必须从包含长向量的数据框开始，那么您将拥有数据框的子集以实现向量的可接受维度。这是您可以对数据框进行子集化以使其适合 randomForest 的一种方法：

# given data frame 'df' with long vectors
maxDim <- 2^31 - 1;
df[1:maxDim, ]

但是，这样做存在一个主要问题，即您将丢弃出现在第 2^31 行或更高行中的所有观察值（即特征）。在实践中，您可能不需要这么多的观察来运行随机森林计算。解决问题的简单方法是简单地对原始数据集进行统计有效的子样本，其大小不超过 2^31 - 1。使用非长类型的 R 向量存储数据，并且应该运行 randomForest 计算没有任何问题。