随机森林的并行运算方法及适用条件

• 作者: 刘艳 史晓雯 温琪 顾星博
• 来源期刊: 实用预防医学
• 学科: 医学
• 关键词: 大数据 随机森林 并行运算 单核苷酸多态性
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 论著
• 页码范围: 129-132
• 页数: 4页
• 分类号: R195.1
• 字数: 3140字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3110.2016.02.001

摘要

目的 探讨随机森林并行运算的实现方法及其适用条件,为基因组学数据分析提供科学参考.方法 基于Rforeach包编写随机森林并行运算程序,并利用SNPs模拟数据探究其表现.结果 在SNPs位点数量为100、500、1 000时,随工作站所占用CPU数量的增多,随机森林并行运算方法的提速效果呈非线性趋势,且位点数量相同但ntree数量不同时速度的提升效果亦不相同;当SNPs位点数量达到5 000时,该方法提速效果较差,10核环境下ntree为500和1 000时几乎无提速效果,即使ntree达到5 000或10 000时提速效果也不超过2倍.结论 基于R foreach包的随机森林并行运算方法在SNPs位点数量不是很多(如＜1 000)的情况下其提速效果尚可;但由于共享内存等产生的通信开销的问题的存在,当SNPs位点数较多(超过5 000)时,该方法提速效果很差,此时可考虑选择其他分析工具如随机丛林(RJ,Random Jungle).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘艳	哈尔滨医科大学卫生统计学教研室	112	853	13.0	23.0
2	史晓雯	哈尔滨医科大学卫生统计学教研室	5	8	2.0	2.0
3	温琪	哈尔滨医科大学卫生统计学教研室	5	20	3.0	4.0
4	顾星博	哈尔滨医科大学卫生统计学教研室	4	12	3.0	3.0