并行化随机森林

Question

通过搜索和询问，我发现了许多可以用来使用我服务器的所有核心的软件包，以及许多可以随机使用森林的软件包。

我对此非常陌生，而且我在所有平行培训随机森林的方法中迷失了方向。你能否就使用和/或避免使用它们的原因，或者它们的某些特定组合（以及有或没有caret？）提出一些建议吗？

并行化软件包：

doParallel，

doSNOW，

doSMP（已停止？），

doMC

（以及mclapply怎么办？）

随机森林的包：

[caret +以下部分内容]

rf，

parRF，

randomForest，

ranger，

Rborist，

parallelRandomForest（崩溃我的R Studio会话......）

由于

Answer 1

有一些关于SO的答案，例如parallel execution of random forest in R和Suggestions for speeding up Random Forests，我会看一下。

这些帖子很有帮助，但有点老了。 ranger包是一个特别快的随机森林实现，所以如果你是新手，它可能是加速模型训练的最简单方法。 Their paper讨论了一些可用软件包的权衡 - 取决于您的数据大小和功能数量，哪种软件包可以提供最佳性能。