Jak poprawić czas działania imputacji danych R MICE

Moje pytanie w skrócie: czy istnieją metody poprawy czasu działania R MICE (imputacja danych)?

Pracuję z zestawem danych (30 zmiennych, 1,3 miliona wierszy), który zawiera (dość losowo) brakujące dane. Około 8% obserwacji w około 15 z 30 zmiennych zawiera NA. Aby przypisać brakujące dane, uruchamiam funkcję MICE, część pakietu MICE .

Doświadczam dość wolnego czasu działania, nawet na podzbiorze (100 000 wierszy), przy metodzie = „fastpmm” im = 1 i działa przez około 15 minut.

Czy istnieje sposób na poprawę czasu pracy bez utraty wydajności? (mice.impute.mean jest dość szybki, ale wiąże się z istotną utratą informacji!).

Powtarzalny kod:

library(mice)
df <- data.frame(replicate(30,sample(c(NA,1:10),1000000,rep=TRUE)))
df <- data.frame(scale(df))

output <- mice(df, m=1, method = "fastpmm")

Możesz użyć quickpred()z micepakietu, za pomocą którego możesz ograniczyć predyktory, określając mincor (minimalna korelacja) i minpuc (proporcja użytecznych przypadków). Możesz także użyć parametrów wykluczania i dołączania do sterowania predyktorami.

Zrobiłem opakowanie dla micefunkcji, która zawiera jeden dodatkowy argument, droplistw którym możesz przekazać wektor znakowy zmiennych predykcyjnych, których nie chcesz, aby były używane po prawej stronie formuł imputacyjnych. Dotyczyło to szybkości, ponieważ stwierdziłem, że zmienne czynnikowe o wielu poziomach znacznie spowolnią imputację . Nie zdawałem sobie sprawy z quickpredfunkcji, do której odwołuje się @Aanish, i być może moglibyście użyć obu koncepcji razem.

Poniżej znajduje się funkcja, która pojawia się w moim pakiecie glmmplus . Jeśli uznasz to za przydatne, mogę otworzyć żądanie ściągnięcia w rzeczywistym micepakiecie.

ImputeData <- function(data, m = 10, maxit = 15, droplist = NULL) {
  if (length(intersect(names(data), droplist)) < length(droplist)) {
    stop("Droplist variables not found in data set")
  }
  predictorMatrix <- (1 - diag(1, ncol(data)))
  for (term in droplist) {
  drop.index <- which(names(data) == term)
    predictorMatrix[, drop.index] <- 0
  }
  mids.out <- mice(data, m = m, maxit = maxit,
                   predictorMatrix = predictorMatrix)
  return(mids.out)
}