擬合模型平台中的多線程對於非常大的數據集，具有許多“按”變量的擬合模型的性能有限。假設模型執行沒有耗盡內存，則處理時間很慢。例如：一個 5000 萬行數據文件，其中 X 和 Y 坐標作為模型效果，Z 坐標作為 Y 變量以適應 1000 個不同的“按”變量，在具有 256GB RAM 和多個處理器的系統上將失敗。 （內存是在這裡殺死它的原因，但假設我們有無限的 RAM，計算時間仍然很慢，因為它是單線程的）
希望擬合模型平台將模型計算捆綁成更小、更易於管理的“按”變量批次，並利用多線程處理工作負載，直到所有“按”變量都生成響應。 在我正在使用的特定情況下，個性是“標準最小二乘”，重點是“最小報告”。 生成響應後，我將捕獲殘差值和預測值，這也需要時間來更新到數據表。
是否有機會更有效地管理大型數據集的擬合模型工作負載？
謝謝，
瑞安
統計和分析
