我正在尝试使用R中的Boruta包进行特征选择。问题是我的功能集太大（70518功能），因此数据帧太大（2Gb）并且无法由Boruta包处理立刻。我想知道我是否可以将数据框分成几组，每组包含少量的功能？这听起来有点奇怪，因为我不确定算法是否可以正确识别权重，如果不存在所有特征。 如果没有，如果有人能提出另一种方法，我将非常感激。
答案 0 :(得分：0)
我认为在这种情况下你最好的可能是首先尝试过滤掉一些低信息（例如〜零差异）或高度相关的功能。
caret package有some useful functions to help with this。
例如，findCorrelation()可用于轻松删除多余功能：
dat <- cor(dat, method='spearman')
dat[is.na(dat)] <- 0
features_to_ignore <- findCorrelation(dat, cutoff=0.75, verbose=FALSE)
dat <- dat[,-features_to_ignore]
这将删除Spearman相关系数为0.75或更高的所有要素。
答案 1 :(得分：0)
我首先要问你为什么认为这甚至可以起作用？在这种情况下，不仅是p >> n，还有p >>>>>> n。你总是会发现虚假的联想。更重要的是，即使你能做到这一点（比如通过在云计算服务中租用足够大的机器，这是我建议的方法），你会看到一个荒谬的计算量，因为计算的复杂性构建单个决策树的是O(n * v log(v))，其中n是记录数，v是每个记录中字段的数量。构建RF对每棵树都需要那么多。
您可能想要从头开始重新考虑问题，而不是解决上述问题。你真的试图在这做什么？你能回到第一原则并重新思考吗？