我试图根据旧金山犯罪统计数据 ( https://www.kaggle.com/c/sf-crime ) 从 X 和 Y 坐标预测犯罪类别。事实证明，glmnet 拟合这个数据集的速度非常慢：当我拟合 10 万个观测值的样本时，大约需要 3 分钟。如果我将该时间外推到整个数据集（878k 观察） - 整个拟合将需要大约 25 分钟。
所以，我的问题是
在@Wayne 对并行化的评论之后，请参阅Zhou 等人。(2014)，“减少弹性网络以支持向量机并应用于 GPU 计算”，arXiv:1409.1976。他们说
解决弹性网络问题的最先进的单核实现是弗里德曼开发的 glmnet 包。glmnet 主要用 Fortran 语言编写，采用坐标梯度下降策略，并进行了高度优化。据我们所知，它是 Elastic Net 中最快的现成求解器。由于其固有的顺序性，坐标下降算法极难并行化。
但想出一种不同的方法，表明弹性网络等效于一种支持向量机（可以并行化）：
[...] 我们从最近关于机器学习缩减的工作中获得灵感 [15, 19]，我们将弹性网络缩减为平方铰链损失 SVM（没有偏置项）。我们表明，这种减少在实践中是准确且极其有效的。由此产生的算法，我们称之为支持向量弹性网络 (SVEN)，自然地利用了并行 SVM 上的大量现有工作，立即在 GPU、多核 CPU 和分布式系统上提供高效的弹性网络和 Lasso 实现
请注意，通过交叉验证进行的超参数选择当然可以并行化（并针对收缩超参数实现-请参阅在 R 中并行执行 glmnetcv.glmnet）。
适合支持向量弹性网络的 Matlab 代码可在https://bitbucket.org/mlcircus/sven/获得。你可以试试看！
首先，您有一个好主意，即您可以通过较小的样本来感受事物，从而解决您方法中的问题。正如您所注意到的，这绝对是真的，需要一段时间才能完成的事情确实会分散您的注意力。这很烦人。但...
其次，您必须定义“交互式”。你是指瞬间、1 秒、10 秒还是什么？
第三，您需要考虑您的硬件、您正在使用的软件、您拥有多少数据以及您正在执行什么算法。
例如，lm处理 100K 行数据可能对您来说是“交互式的”。显然glmnet做的远不止这些。
就其他语言而言，如果您在执行的代码之外还有很多代码，那么 Python 或 Java 可能会更快glmnet。正如其中一条评论所说，glmnet它是用 C 或 Fortran 编码的，并且会尽可能快。如果您正在循环或围绕glmnet.
可以并行化一些算法。我不确定是否glmnet是其中之一。如果您找到一种具有并行化版本的语言——比如使用多核的语言，并且你正在一台具有多核和足够 RAM 的机器上运行——那将会以亚线性方式加速。四核不会快四倍，但应该快 2-3 倍。
所以，答案是“不，可能不是”。你的算法通常会胜过其他任何事情，而且也许glmnet单独不是最好的选择。