改进GBM包运行时间

Question

我正在构建一个具有相当大的数据集的GBM模型。data.table非常适合处理数据。但是当我运行GBM模型时，它需要永远的时间才能完成。查看活动监视器(在Mac中)，我可以看到进程没有使用所有内存，也没有最大限度地耗尽处理器。

由于GBM是单核的，我不能将其修改为在多核上运行，那么我有什么选择来改善我的运行时间呢？现在我使用的是4BG内存和1.7 and i5的Macbook Air。

我不确定以下哪个选项对性能最有帮助：(i)购买内存更大的计算机；(ii)获得功能更强大的芯片(i7)；或(iii)使用Amazon AWS并在那里安装R。这些都会有什么帮助呢？

根据Brandson的请求添加示例代码：

library(gbm) 

GBM_NTREES = 100 
GBM_SHRINKAGE = 0.05 
GBM_DEPTH = 4 
GBM_MINOBS = 50

GBM_model <- gbm.fit(
  x = data[,-target] ,
  y = data[,target] ,
  #var.monotone = TRUE, #NN added
  distribution = "gaussian"
  ,n.trees = GBM_NTREES ,
  shrinkage = GBM_SHRINKAGE ,
  interaction.depth = GBM_DEPTH ,
  n.minobsinnode = GBM_MINOBS ,
  verbose = TRUE)

Answer 1

也许值得考虑的是使用XGBoost library。根据Github repo：

XGBoost提供并行树提升(也称为GBDT、GBM)，可快速准确地解决许多数据科学问题。

我也意识到原来的问题已经很陈旧了，但也许这会对以后的人有所帮助。

Answer 2

一般来说，这似乎更多地是关于R中的并行计算，而不是关于gbm的特定问题。我将从这里开始：http://cran.r-project.org/web/views/HighPerformanceComputing.html。