我有一个包含17000个观测值的数据集，我正在尝试使用37个解释变量和装袋算法来预测二进制变量（0,1）。
我正在使用adabag软件包中的功能袋装，但是安装模型需要花费很长时间。我以前使用过此函数，但我知道它通常会花费一些时间，但这要花费两个半小时以上，并且R仍在运行。我的数据包括类型为class的目标变量，一些数字为类型的连续变量以及字符类型的分类变量。任何帮助将不胜感激。
考虑到数据集的大小，这似乎是一个合理的时间量，还是可能存在另一个问题？
我试图减少树的数量并更改参数，以使每棵树都“更小”，所有这些都是为了减少运行时间，但并没有帮助。
这是我的代码：
bagging1_all1<-bagging(Deafault_year~., data=training_bag1, mfinal=10,control =
rpart.control
(minsplit = 100, minbucket = 50,cp = 0.01))
关于可以做什么以及我在哪里出错的任何建议。