最近使用foreach以及doParallel这个包进行并行计算。使用GBM包中gbm函数进行GBDT算法。想用此算法实现GBDT算法的预测，虽然GBDT算法是递归的算法，但是我在进行计算时，是对决策树的数目进行每台机器的树的数量的分配。我的疑问是GBM函数是否可以向randomforest算法一样使用：
model<-foreach(ntree=rep(,n.cores),.combine=,.packages="randomForest")%dopar%randomForest(x,y,ntree)
这样的形式进行计算，我自己拿数据进行验证时，发现在使用GBM算法进行计算时，ntree不进行每天机器上的均匀分配，即不使用rep函数，直接用数值表示，比如ntree=1000，这样进行计算时，模型的运行内存不能平均分配，大都在一台机器上运行；如果使用rep函数，比如ntree=4000颗树，我将其设置为4台服务器上分别1000棵树（rep（1000,4）），这样设置模型运行不会出错，运行速率会加快一倍左右，但是进行回归预测时，认为该模型不是gbm的对象，无法进行预测？
这个该怎么解，有没有可以在gbm模型上使用并行算法的计算？谢谢！请各位见多识广的朋友，多多提想法，我会一一去验证，谢谢！