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...
R 的另一个缺点是没有简单的解决方案来实现计算机之间的并行计算。
是的，当然。
一个专业 R 用户的专业意见。
我意识到为什么我讨厌这个想法，因为关联（规则等）！=因果关系:)
这不是关联规则
我意识到为什么我讨厌这种想法，因为关联（规则等）！=因果关系：)
并非如此--在这里，相当随意的规则（当然，现实是未知的）被组合成关联规则来预测目标。这基本上就是脚手架的工作原理，但没有复杂的转折。
在评估随机规则时，只需和处于选择期，或者它具有某种合理的依赖性。到目前为止，我只评估了规则在时间间隔上的稳定性。
然而，要真正找到一个因果模型，是一项艰巨的教学任务。
是的，当然。
专业意见，专业用户 R
我研究过这个问题，并就此进行过咨询。
你知道如何在 R 中使用任何库并行化任何代码而不会造成严重的速度损失吗？
在这之间，我一直在研究这个问题，并就此进行咨询。
你知道如何在 R 中使用任何库并行化任何代码而不会造成严重的速度损失吗？
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
第一个谷歌链接，第一个卡尔！！！
怎么过马路？
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
第一个谷歌链接，第一个 CARL！！！
怎么过马路？
这就是我要说的--你需要专业图书馆--读你找到的东西：
"
与英特尔 BLAS 库（作为 R 的Microsoft ROpen 发行版 的一部分，在 Linux、OSX 和 Windows 上提供）等高级并行库建立 链接。"
"
这就是我要说的--你需要专门的图书馆--读你找到的东西：
"
与英特尔 BLAS 库（作为 R 的Microsoft ROpen 发行版 的一部分，在 Linux、OSX 和 Windows 上提供）等高级并行库链接。"
"
和什么？
什么？
你真是个怪人）
我需要执行的代码无法在多台计算机上运行。而 MT5 可以很好地并行处理此类计算任务:)
你真是个怪人）
我需要执行的代码无法在多台计算机上运行。而 MT5 可以很好地并行处理此类计算任务:)
https://stackoverflow.com/questions/37405919/how-do-i-run-r-in-multiple-machines