Pode ter uma série de motivos para ficar lento:
- Algoritmo lento. O
randomForest
não é o pacote mais rápido: tente usarranger
ouRborist
. FonteFonte.xgboost
também é rápido para caramba e fazendo alguns tweaks da para ajustar random forest por ele. - O caret está fazendo tuning dos parâmetros. Passe somente uma combinação de hiper-parâmetros usando o argumento
tuneGrid
. - É bem provável que os algoritmos em R tenham performance inferior que o Weka (em C), mas você pode usar o Weka pelo R (procure pelo pacote
RWeka
)
Difícil dizer porque acontecem os erros sem ver os seus dados. Eu chutaria que é porque tem alguma de suas variáveis que possui uma classe rara e quando você faz o cross-validation, algum dos folds fica sem ela.
Sempre tente procurar algum pacote de R que utiliza algum algoritmo em C/C++ para treinar os modelos. Nesta parte de machine-learning, R deve ser considerado apenas como uma interface, para usar algoritmos de diversas fontes de forma mais fácil e geralmente padronizada.