36、并行计算与特征选择：提升机器学习效率的关键

并行计算与特征选择：提升机器学习效率的关键

1. 并行计算概述

并行算法能通过整合多个进程的输出来更快得到最终答案，但并非适用于所有问题。若两个任务需按特定顺序执行，则无法进行并行化处理。

1.1 测量执行时间

为衡量不同方法节省的时间，可使用 system.time() 函数。例如：

system.time(mean(vitalsigns$Pulse))

输出结果如下：

##    user  system elapsed 
##       0       0       0

这表明计算 vitalsigns 数据集中 Pulse 列的均值耗时少于 0.001 秒。这些值会因计算机、操作系统和操作状态的不同而有所差异。

1.2 多核并行处理

可使用 multicore 和 snow 两个包进行并行计算，它们的核心组件包含在 parallel 包中。运行这些包需相对现代的多核计算机，可使用 parallel::detectCores() 函数检查计算机的核心数量：

library(parallel); detectCores()

输出结果