如何减小randomForest对象的大小

Question

我正在尝试将randomForest对象预测到一个巨大的栅格图层（34个mio单元格，120多个图层）。因此，我使用clusterR包中的raster函数。但是，如果我开始predict先前计算的randomForest对象，它将被加载到所有并行工作程序中。因此，所有组合的过程需要大量的内存。

是否可以在不丢失模型的情况下减小randomForest对象的大小？有没有人有这方面的经验？

我创建了这样的模型：

library(randomForest)

set.seed(42)
df <- data.frame(class = sample(x = 1:3, size = 10000, replace = T))
str(df)

for (i in 1:100){
  df <- cbind(df, runif(10000))
}

colnames(df) <- c("class", 1:100)

df$class <- as.factor(df$class)

rfo <- randomForest(x = df[,2:ncol(df)], 
                    y = df$class, 
                    ntree = 500, 
                    do.trace = 10)

object.size(rfo) 
# 57110816 bytes