Question

我正在尝试在具有59个变量的6500条记录数据帧上运行RFSRC：

rfsrc_test <- rfsrc(Surv(TIME, DIED) ~ ., data=test, nsplit=10, na.action = "na.impute")

当我在1500条记录上运行时它似乎可以工作，但是在整个数据集上崩溃。
它使R崩溃而没有任何特定错误-有时会出现“异常处理错误”。
有什么想法如何调试这个吗？我在数据库中浏览了一些奇怪的行，但是没有任何运气。

Answer 1

我们不知道每个记录的大小，也不知道变量的复杂性。

当我达到RAM开销时，我遇到了类似的情况。 R不是为海量数据集设计的。并行处理可以解决这个问题，但是R不是为此设计的，下一个建议是购买更多的RAM。

我的方法是减少变量的数量，直到您可以处理6500条记录（以确保其只是数据集的大小）为止。然后我会预先筛选每个变量的适用性，例如GLM和使用可解释大量数据并最大程度减少残差的变量。然后，我将在减少的变量上重新运行生存分析。

Answer 2

您可以检查的一件事是时间变量-存在多少个不同的值？生存森林将为每个节点保存累积危害函数。如果数据集中唯一时间点的数量大于CHFS的增长范围，那么也必须四舍五入我的时间变量，这会大大减少运行时间。