如何在随机森林中使用长向量？

Question

R 3.0.0新功能之一是引入了长向量。但是，.C()和.Fortran()不接受长向量输入。在R-bloggers上发现：

这是一种预防措施，因为现有代码很少会处理长向量（而且R包装器通常假定length(x)是一个整数）

我使用的是R-package randomForest，显然需要.Fortran()，因为它崩溃并显示错误消息：

Error in randomForest.default: long vectors (argument 20) are not supported in .Fortran

如何解决这个问题？我在Windows 7 64位计算机上使用randomForest 4.6-7（在R 3.0.2下编译）。

- user7417

---

通过一些工作，我们可以扩展R软件包与编译代码的接口，以支持长向量。请参阅R软件包https://cran.r-project.org/package=dotCall64和https://doi.org/10.1016/j.softx.2018.06.002。 - Nairolf

Answer 1

确保你的输入数据框被randomForest接受的唯一方法是确保数据框内的向量长度不超过2^31-1（即不长）。如果你必须从包含长向量的数据框开始，那么你需要对数据框进行子集操作以实现向量的可接受维度。以下是一种子集数据框使其适用于randomForest的方法:

# given data frame 'df' with long vectors
maxDim <- 2^31 - 1;
df[1:maxDim, ]

然而，这样做存在一个主要问题，即您将放弃出现在第2^31行或更高行中的所有观测值（即特征）。实际上，您可能不需要那么多的观测值来运行随机森林计算。解决问题的简单方法是仅采取原始数据集的统计有效子样本，其大小不超过2^31-1。使用R向量存储数据而不是长类型，并且您的randomForest计算应该可以顺利运行。

- Tim Biegeleisen