R-检查远程错误的错误(Val):5个节点产生了一个错误:找不到对象

Question

im试图通过使用并行处理（parlapply）进行10倍的交叉验证并估算关节模型的模型性能。我试图找出为什么我会收到错误消息：" CheckForremoteErrors（val）中的错误：五个节点产生了一个错误：未找到对象'未找到的对象'

代码看起来如下：

# Validation using 10-fold CV
    library("parallel")
    set.seed(123)
    V <- 10
    n <- nrow(dfC)
    splits <- split(seq_len(n), sample(rep(seq_len(V), length.out = n)))
    CrossValJM <- function (i) {
        library("JM")
        library("nlme")
        trainingData <- dfL[!dfL$ID %in% i, ]
        trainingData_ID <- trainingData[!duplicated(trainingData$ID), ]
        testingData <- dfL[dfL$ID %in% i, ]
        lmeFit <- lme(DA ~ ns(Week, 2), data = trainingData,
                           random = ~ ns(Week, 2) | ID)
        coxFit <- coxph(Surv(TT_event, Event) ~ Gender * Age, data = 
                           trainingData_ID, 
                             x = TRUE)
        jointFit <- jointModel(lmeFit, coxFit, timeVar = "Week")
        pe <- prederrJM(jointFit, newdata = testingData, Tstart = 10, 
                                                  Thoriz = 20)
        auc <- aucJM(jointFit, newdata = testingData, Tstart = 10, 
                                                  Thoriz = 20)
        list(pe = pe, auc = auc)
    }
    cl <- makeCluster(5)
    res <- parLapply(cl, splits, CrossValJM)
    stopCluster(cl)

函数本身被接受，但是当运行群集命令时，我会遇到此错误，该错误提到它无法识别函数中给出的对象。.是否在函数本身中定义它们？还是我不正确使用parlapply函数？

P.S。：数据如下（DFL是长度〜1000和DFC〜200的数据框架）：

dfL <- data.frame(ID = c(1, 1, 1, 2, 2, 3), DA = c(0.4, 1.8, 1.2, 3.2, 3.6, 2.8), Week = c(0, 4, 16, 4, 20, 8), Event = c(1, 1, 1, 0, 0, 1), TT_Event = c(16, 20, 8), Gender = c(0, 0, 0, 1, 1, 0), Age = c(24, 24, 24, 56, 56, 76))
dfC <- data.frame(ID = c(1, 2, 3, 4, 5, 6), DA = c(1.2, 3.6, 2.8, 2.4, 1.9, 3.4), Week = c(16, 20, 8, 36, 24, 32), Event = c(1, 0, 1, 1, 1, 0), TT_Event = c(16, 20, 8, 36, 24, 32), Gender = c(0, 1, 0, 0, 1, 1), Age = c(24, 56, 76, 38, 44, 50))

thnx：）

Answer 1

已经在堆栈溢出上回答了非常相关的问题。基本上，您有三个解决方案：

• 使用clusterExport()将您需要的变量导出到群集（最常见的方法）
• 将所有变量作为您函数CrossValJM()的参数传递，以便将它们自动导出到群集（我喜欢的解决方案，最适合编程性正确的解决方案）
• 使用r软件包{future}，它应该自动检测到导出的变量（懒惰解决方案，但似乎也很好地工作）

例如，请参见此。