R转换代码以在共享内存中运行

Question

以下代码有助于了解最佳簇数。

set.seed(123)
# function to compute total within-cluster sum of square 
wss <- function(k) {
  kmeans(df, k, nstart = 10 )$tot.withinss
}
# Compute and plot wss for k = 1 to k = 15
k.values <- 1:15
# extract wss for 2-15 clusters
wss_values <- map_dbl(k.values, wss)
plot(k.values, wss_values,
       type="b", pch = 19, frame = FALSE, 
       xlab="Number of clusters K",
       ylab="Total within-clusters sum of squares")

参考：https：//uc-r.github.io/

目标是将其转换为具有多个内核的共享内存，以便快速完成。fviz_nbclust尝试使用此方法，并且非常慢。

方法/尝试：

首先，创建wss方法在mclapply

中被调用

parallel.wss <- function(i, k) {
    set.seed(101)
    kmeans(df, k, nstart=i)$tot.withinss
}

这里i是并行启动的数量，k实际上是k.values，我们需要尝试找到最佳的群集数。

k.values <- 1:15

kmean_results <- mclapply(c(25,25,25,25), k.values, FUN=parallel.wss)

但遵循警告：

Warning message:
In mclapply(c(25, 25, 25, 25), k.values, FUN = parallel.wss) :
  all scheduled cores encountered errors in user code

查看kmean_results对象：

头(kmean_results( [[1] [1]" kmeans中的错误(df，k，nstart = i(： n必须在'x'和'x'和'Centers' n" n"中具有相同数量的列 attr(，" class"( [1]" try-error" attr(，"条件"(

Answer 1

使用foreach，您可以做

ncores <- parallel::detectCores(logical = FALSE)
cl <- parallel::makeCluster(ncores)
doParallel::registerDoParallel(cl)
library(foreach)
wss_values2 <- foreach(k = k.values, .combine = 'c') %dopar% {
  kmeans(df, k, nstart = 10)$tot.withinss
}
parallel::stopCluster(cl)

如果将kmeans调用包含在函数中，则需要将所有变量作为参数传递(df和k(。