我有一个超过250,000个观察结果的大型数据集,希望使用TraMineR
软件包进行分析。特别是,我想使用seqtree
和seqdist
命令,当我使用例如10,000个观测样本时,这些命令可以正常运行。但是,我的电脑只能处理20,000个观测结果。
我希望使用所有的观察结果,而且我可以访问超级计算机,它应该可以胜任这项工作。然而,由于该进程只在单个核心上运行,所以这并没有太大帮助。因此,我的问题是,是否可以将并行计算技术应用到上述命令中?或者是否有其他方法可以加快处理速度?感谢您的任何帮助!
seqdist(method="OMopt")
,改变时间粒度(见这里:http://stats.stackexchange.com/questions/43601/modifying-the-time-granularity-of-a-state-sequence),以获得更多相同的序列。 你面临哪些限制?CPU时间还是内存限制? - Matthias Studerseqdist
只计算唯一序列之间的距离。有两个因素严重影响计算时间:序列长度和唯一序列数量。通过减少时间粒度,您会影响这两个因素(请参见下面我对答案的编辑)。使用三个月为一段时间可能已经产生了影响。 - Matthias Studer