Как улучшить время выполнения для импутации данных R MICE

Мой вопрос вкратце: есть ли способы улучшить время работы R MICE (вменение данных)?

Я работаю с набором данных (30 переменных, 1,3 миллиона строк), который содержит (совершенно случайно) недостающие данные. Около 8% наблюдений примерно в 15 из 30 переменных содержат НК. Чтобы вложить недостающие данные, я запускаю функцию MICE, часть пакета MICE .

Я испытываю довольно медленное время выполнения, даже на подмножестве (100 000 строк), с method = "fastpmm" и m = 1 и работает около 15 минут.

Есть ли способ улучшить время выполнения без потери производительности? (mice.impute.mean довольно быстрый, но с большой потерей информации!).

Воспроизводимый код:

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")

Вы можете использовать quickpred()из miceпакета, с помощью которого вы можете ограничить предикторы, указав mincor (Минимальная корреляция) и minpuc (пропорция используемых случаев). Также вы можете использовать параметры exclude и include для управления предикторами.

Я сделал обертку для miceфункции, которая включает в себя один дополнительный аргумент, droplistгде вы можете передать символьный вектор переменных-предикторов, которые вы не хотите использовать в правой части формул вменения. Это было для скорости, поскольку я обнаружил, что факторные переменные со многими уровнями значительно замедлили бы вменение . Я не знал о quickpredфункции, на которую ссылается @Aanish, и, возможно, вы могли бы использовать обе концепции вместе.

Ниже приведена функция, как она появляется в моем пакете glmmplus . Если вы сочтете это полезным, я могу открыть запрос на получение в текущем miceпакете.

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)
}