使用MCMCglmmR中的程序包运行混合效果模型时出现性能问题。代码如下：
MC1<-MCMCglmm(bull~1,random=~school,data=dt,family="categorical"
, prior=list(R=list(V=1,fix=1), G=list(G1=list(V=1, nu=0)))
, slice=T, nitt=iter, ,burnin=burn, verbose=F)
数据中大约有20,000个观测值，它们聚集在大约200所学校中。在运行之前，我从数据框中删除了所有未使用的变量，并从内存中删除了所有其他对象。我的问题是，除非将迭代次数减少到无法接受的程度，否则运行时间将非常长。经过50,000次迭代，需要5个小时，而且我要运行许多不同的模型。所以我想知道是否有加速代码执行的方法，或者我可以使用其他软件包。我正在使用，MCMCglmm因为我想要随机效果的置信区间。
另一方面，我希望在今年晚些时候购买一台新PC，但运气好的话，我也许可以将其推广，所以我一直在想如何最好地在新硬件上花有限的钱-更多的RAM ，更快的CPU等。通过观察任务管理器，我不认为RAM是问题（它永远不会超过物理使用的50％），但是CPU使用率也不会超过50％，这让我感到奇怪。我当前的设置是Intel Core i5 2.66GHz，4GB RAM，7200rpm HDD。以尽可能多的RAM为代价，获取尽可能快的CPU是否合理？我还想知道3级CPU缓存大小对像这样的统计计算问题的影响吗？
更新：已经问的元SO我一直建议重新措辞上的超级用户的问题和岗位。为此，我需要提供有关MCMCglmm中“幕后工作”的详细信息。我是否认为大部分的计算时间都花在了优化上，这是对的吗？我的意思是找到一些复杂函数的最大值？矩阵求逆和/或其他线性代数运算是否也是可能引起瓶颈的常见运算？我将非常感激能够提供给超级用户社区的任何其他信息。
我认为MCMC在此类问题上花了很长时间并不奇怪。我确信可能有一些方法可以使其运行更快。但是要想出正确的答案仍然需要时间。
—
Michael R. Chernick 2012年
@Michael Chernick，谢谢-我知道这仍然需要时间。我只想将其最小化，仅此而已。我父亲的工作是Oracle SPARC T4，运行MCMC的速度非常快；）
—
Joe King
@JoeKing，我对您的标题进行了编辑，使其更具描述性，并可能吸引了更多可以为您提供帮助的用户。我还发现，将
—
2012年
lmer()模型拟合到大型数据集可能需要花费相当长的时间，特别是如果您需要多次进行。尽管其他用户（例如@DirkEddelbuettel）将比我有更多帮助，但是您的问题的答案可能在于并行计算。也有可能在stackoverflow上获得更好的答案。
宏，谢谢您的有用编辑。我也用过
—
乔·金
glmer（正如您从其他帖子中所知道的），这大约需要20秒，但是问题是它没有给出置信区间或标准错误，而且从我在邮件列表存档中看到的内容来看，lme4包说，随机效应的抽样分布可能会非常偏斜，因此不会报告这些统计数据。实际上MCMCglmm，到目前为止，我发现它们对我来说已经接近正常了（这并不是很有帮助-我只是说）。如果我要求将其迁移到SO会更好吗？
我不知道mcmcglmm的细节，但是已经使用了很多MCMC方法。MCMC的好处是，它具有令人尴尬的可并行化性（这是一个技术术语！）。如果您有多个核心，则在每个核心上运行独立的链，然后合并结果。这就是我运行MCMC的方式，但是我已经编写了自己的并行C ++代码（使用MPI）来做到这一点。那么就硬件建议而言，请选择具有尽可能多内核的产品。假设您正在使用的任何工具都可以利用多个内核。在提供有关您问题的SU的信息方面，请确定是否可以利用内核。
—
Bogdanovist，2012年