我试图在Windows上安装R64版本3.0.2中的bigmemory软件包。我得到以下错误:
Install.packages(“大记忆”)
Installing package into ‘C:/Users/Audrey/Documents/R/win-library/3.0’(as ‘lib’ is unspecified)
Warning message: package ‘bigmemory’ is not available (for R version 3.0.2)
> library(bigmemory)
Error in library(bigmemory
我找不到任何函数或包来计算bigmatrix (来自library(bigmemory))的空空间或(QR分解),例如:
library(bigmemory)
a <- big.matrix(1000000, 1000, type='double', init=0)
我尝试了以下步骤,但得到了显示的错误。如何找到bigmemory对象的空空间?
a.qr <- Matrix::qr(a)
# Error in as.vector(data) :
# no method for coercing this S4 class to a vector
q.null
当我试图安装bigalgebra包时,我一直收到一个错误。
'bigalgebra' is not available (for R version 3.0.1)
我已经安装了bigmemory包(我也遇到了同样的问题,我不记得我是如何解决这个问题的)。我试着得到bigalgebra_0.8.1.tar.gz,但我找不到它。此外,在R锻造,它是不可用的() (未能建立)。有没有人有同样的问题。
我应该安装一个旧的R版本吗?任何帮助都是非常感谢的,谢谢。
R中的bigmemory包提供了一个类big.matrix,它在内存中存储一个矩阵,可以作为某种C++对象在R会话之间共享,返回指向R语言的指针。
例如:
library(bigmemory)
> a <- as.big.matrix(matrix(0, 5, 5))
> a
An object of class "big.matrix"
Slot "address":
<pointer: 0x24ae350>
使用bigmemory包中的更多函数,我可以写出一个矩阵的简短描述来存档,打开另一个R会话,并从那个新的R会话中访问内存中
有没有人能够使用randomForest和bigmemory库设置分类(而不是回归)。我知道“公式方法”不能使用,我们必须求助于"x=predictors,y=response方法“。似乎大内存库无法处理具有分类值的响应向量(毕竟它是一个矩阵)。在我的例子中,我有两个级别,两个级别都表示为字符。
根据bigmemory文档...“数据框会将字符向量转换为因子,然后将所有因子转换为数值因子级别。”
有什么建议的变通方法让randomForest分类与bigmemory一起工作吗?
#EXAMPLE to problem
library(randomForest)
library(bigm
我最近发现了包bigmemory、ff和filehash处理非常大的矩阵的奇妙之处。
如何处理非常大的(300MB++)列表?在我的工作中,我每天都在处理这些清单。我可以在任何地方使用save()和load()进行带助解决方案,但我更喜欢bigmemory-like解决方案。类似于bigmemory bigmatrix的东西将是理想的,在这里我使用它基本上与一个matrix相同,除非它在我的内存中占用大约660字节。
这些列表主要是>1000长度的lm()对象列表(或类似的回归对象)。例如,
Y <- rnorm(1000) ; X <- rnorm(1000)
A <
我是big.matrix和相关包的新手,我尝试重现下面的示例`
Loading required package: stats
> Sys.setenv(LANG = "en")
> library(bigmemory)
Loading required package: bigmemory.sri
bigmemory >= 4.0 is a major revision since 3.1.2; please see package
biganalytics and http://www.bigmemory.org for more information
我有一个大的矩阵,大约有6000万行和150个列(大约90亿个元素总数)。我已经将这些数据存储在big.matrix对象中(来自包bigmemory)。现在,我希望计算每一行的和,这是一个问题,因为big.matrix是面向列的,所以据我所知,所有的摘要函数都是面向列的(例如colsum、colmax等)。默认情况下,没有计算行和的函数可用。当然,我可以做apply(x, 1, sum),但这需要很长时间。我还可以一个一个地循环这些列,并使用矢量化加法来添加它们:
mysum <- rep(0, nrow(x))
for (i in seq(ncol(x)))
mysum <