Ich bin neu in R und RStudio und habe mit Vorhersagemodellen experimentiert. Die folgende Train-Funktion funktioniert ohne parallele Verarbeitung, aber wenn ich doSNOW makeCluster implementiere, erhalte ich den unten gezeigten Fehler in Bezug auf eine Variable namens "optimismBoot". Ich habe vergeblich nach einer Lösung gesucht, habe versucht, Pakete zu installieren und zu deinstallieren, aber nichts funktioniert. Jeder Einblick geschätzt.
%Vor%Ich habe den folgenden Link auf dieser Site gefunden, aber er bietet keine Lösung, um die parallele Verarbeitung zu ermöglichen: Caret on R spills" konnte die Variable "optimismBoot" nicht finden
Es gibt einen Verweis auf dieses Problem auf der Caret github-Seite. Sie scheinen es in letzter Zeit repariert zu haben.
Siehe hier: Ссылка
In diesem Fall sollte das Installieren von Caret direkt von GitHub das Problem lösen.
devtools::install_github('topepo/caret/pkg/caret')
Siehe hier: Ссылка
Befolgen Sie diese Schritte: (Ich gehe davon aus, dass Sie RStudio verwenden)
devtools
package wie gewohnt devtools::install_github('topepo/caret/pkg/caret')
aus und überprüfen Sie die Ausgabe, um sicherzustellen, dass das Paket von github caret:::nominalTrainWorkflow
ausgeben und sicherstellen, dass die folgende Zeile darin steht: export <- c("optimism_xy")
. Wenn Sie es jetzt tun, würde die Zeile optimismBoot
anstelle von optimism_xy
haben
PS: Die neueste Version von Caret ist auf den 7. September 2017 datiert. Eine Aktualisierung sollte das Problem also ebenfalls lösen.
Ich war mit diesem Problem konfrontiert, als ich die Pakete aktualisiert die neue Caret-Version ist Caret_6.0-77, jetzt löse ich es durch den Download der alten Version des Caret-Pakets ist Caret_6.0-76 von den Cran-Archiv-Pakete siehe diesen Link Klicken Sie hier !, und installieren Sie die Paketdatei lokal mit Rstudio im Menü Extras und dann Wählen Sie im Popup-Menü die Option Installiere Pakete, die angezeigt werden, und wählen Sie aus der Datei (.extension) installieren
Ich hoffe, das ist hilfreich
Ich würde sagen, das Beispiel aus den Dokumenten für die parallele Verarbeitung verwenden.
%Vor% Das ist alles, was Sie tun müssen, dann können Sie train()
ausführen und es sollte die Anzahl der von Ihnen angegebenen Kerne verwenden.
Ich habe es ein wenig angepasst, um die Anzahl der Kerne dynamisch mit der parallel
Bibliothek zu erkennen.
Tags und Links r parallel-processing r-caret