R itself is not a language designed for parallel computing. It doesn’t have a lot of great user exposed parallel constructs. What saves us is the data science tasks we tend to use R for are themselves are very well suited for parallel programming and many people have prepared very good pragmatic libraries to exploit this. There are three main...
R의 또 다른 단점은 컴퓨터 간 계산을 병렬화하는 간단한 솔루션이 없다는 것입니다.
네, 그렇죠.
전문 R 사용자의 전문적인 의견입니다.
연관성(예: 규칙)=인과관계라는 생각이 왜 싫은지 깨달았습니다.)
연관 규칙이 아니기 때문입니다.
연관성(예: 규칙)=인과관계라는 생각이 왜 싫은지 깨달았습니다.)
실제로는 그렇지 않습니다. 여기서는 다소 우연한 규칙 (물론 현실은 알 수 없음)이 연관 규칙으로 결합되어 대상을 예측합니다. 이것은 기본적으로 스캐 폴딩이 작동하는 방식이지만 복잡한 왜곡이 없습니다.
무작위 규칙을 평가하기 위해 선택 기간에 있거나 합리적인 의존성을 가지고 있습니다. 지금까지는 시간 간격에 대한 규칙의 안정성만 평가했습니다.
그러나 실제로 인과 모델을 찾는 것은 가르치기 어려운 작업입니다.
네, 물론이죠.
전문가 의견, 전문 사용자 R
이 질문을 연구하고 상담했습니다.
R에서 심각한 속도 손실 없이 모든 라이브러리와 코드를 병렬화하는 방법을 알고 계신가요?
저는 틈틈이 이 문제에 대해 연구하고 자문을 구해왔습니다.
R에서 심각한 속도 저하 없이 모든 라이브러리와 코드를 병렬화하는 방법을 알고 계신가요?
https://win-vector.com/2016/01/22/running-r-jobs-quickly-on-many-machines/
https://www.google.com/search?q=run+code+on+multiple+computers+in+R&oq=run+code+on+multiple+computers+in+R&aqs=chrome..69i57j33i160l4.4082j0j15&sourceid=chrome&ie=UTF-8
최초의 구글 링크, 최초의 칼 !!!
어떻게 길을 건너나요???
https://win-vector.com/2016/01/22/running-r-jobs-quickly-on-many-machines/
https://www.google.com/search?q=run+코드+온+멀티+컴퓨터+인+R&oq=run+코드+온+멀티+컴퓨터+인+R&aqs=chrome..69i57j33i160l4.4082j0j15&sourceid=chrome&ie=UTF-8
최초의 구글 링크, 최초의 칼 !!!
어떻게 길을 건너나요???
전문 라이브러리가 필요하다는 말이 바로 그겁니다. 찾은 것을 읽어보세요:
"
Intel BLAS 라이브러리와 같은 우수 및 병렬 라이브러리(Microsoft R 오픈 배포판의 일부로 Linux, OSX 및 Windows에서 제공됨)에 대한 링크. "
"
특별한 라이브러리가 필요하다는 말이 바로 그겁니다:
"
Intel BLAS 라이브러리와 같은 우수하고 병렬적인 라이브러리(Microsoft R Open 배포판의 일부로 Linux, OSX 및 Windows에서 제공됨)에 연결합니다. "
"
그리고 무엇?
그리고 무엇?
정말 이상하네요 :)
실행해야 하는 코드가 두 대 이상의 컴퓨터에서 실행될 수 없다는 것입니다. 그리고 MT5는 이러한 연산 작업을 잘 병렬화할 수 있습니다 :)
결국 당신은 정말 괴짜군요 :)
그리고 실행해야 하는 코드가 두 대 이상의 컴퓨터에서 실행될 수 없다는 것도요. 그리고 MT5는 이러한 계산 작업을 잘 병렬화할 수 있습니다 :)
https://stackoverflow.com/questions/37405919/how-do-i-run-r-in-multiple-machines