多维缩放：错误：已达到 16.0 Gb 的向量内存限制

Question

我有一个数据框，其中包含对 9 个听众的声音对相似性的判断。我正在尝试运行多维缩放，以便我可以看到绘图上声音之间的多重关系，以及个体差异缩放。我使用

smacof

包。

数据框：https://gist.github.com/al3ka/2b4948d4c13baecae75880dd7f1d5e2c

这是我的代码：

# Get unique voices
voices <- unique(c(results$voice1, results$voice2))

# Number of voices
n_voices <- length(voices)

# Create a list to hold each subject's dissimilarity matrix
dissimilarity_list <- list()

# Create a square dissimilarity matrix for each subject
for (subject_id in unique(results$subject)) {
  # Filter responses for the current subject
  subject_responses <- results %>% filter(subject == subject_id)
  
  # Initialize an empty matrix
  dissimilarity_matrix <- matrix(NA, nrow = n_voices, ncol = n_voices,
                                 dimnames = list(voices, voices))
  
  # Fill the matrix with responses
  for (i in 1:nrow(subject_responses)) {
    voice1 <- subject_responses$voice1[i]
    voice2 <- subject_responses$voice2[i]
    response <- subject_responses$response[i]
    dissimilarity_matrix[voice1, voice2] <- response
    dissimilarity_matrix[voice2, voice1] <- response  # Assuming symmetry
  }
  
  # Append to the list
  dissimilarity_list[[subject_id]] <- dissimilarity_matrix
}

# Convert list of matrices to 3D array
dissimilarity_array <- array(NA, dim = c(n_voices, n_voices, length(dissimilarity_list)))
for (i in 1:length(dissimilarity_list)) {
  dissimilarity_array[,,i] <- dissimilarity_list[[i]]
}

# Replace NA values with 0 in the dissimilarity matrices
dissimilarity_array[is.na(dissimilarity_array)] <- 0

# Perform Individual Differences Scaling (INDSCAL)
indscal_result <- smacofIndDiff(dissimilarity_array, ndim = 2)

在我尝试创建数组时，出现错误：

错误：已达到 16.0 Gb 的向量内存限制，请参阅 mem.maxVSize()

尽管我的列表大约有 0.09GB。我有一个全新的 MBair，并且处理过比以前大得多的数据集。我怎样才能解决这个错误？有没有一种方法可以为多个听众运行 MDS，而不为每对声音创建平均分数，因为这会混淆数据中的一些差异？

我曾经在 SPSS 中运行它，没有任何问题，但不知道如何在 R 中的实现中处理多个侦听器而不创建数组，我认为这让我遇到了内存问题。请帮忙！

Answer 1

您的问题是由于使用非常大的数字（主题 ID 是大数字）索引到 dissimilarity_list 引起的，这创建了一个巨大的列表（其中只有 9 个主题），因此后续矩阵将超过 16Gb。 因此，要解决您的问题，请在使用它们构建列表时将您的 subjectID 转换为文本，即

  dissimilarity_list[[as.character(subject_id)]] <- dissimilarity_matrix