在这个问题（r caret estimate parameters on a subset fit to full data）中，我被告知如何在r插入符号包中的训练，测试和最终模型拟合中使用的数据量方面保持灵活性。我使用10k数据进行训练，5k用于测试，20k用于最终模型拟合5个样本（不是10个，如上面的答案中所使用的）。使用（1）广义线性模型，（2）梯度增强，（3）支持向量机，（4）立体主义者和（5）袋土（MARS）拟合12个数据集。我使用了适合控制的修剪选项来限制结果中保存的信息量。查看12个元素列表的大小以保存结果：
> print(object.size(fit000.list), units = "MB")
521.4 Mb
> print(object.size(fit002.list), units = "MB")
742.8 Mb
> print(object.size(fit003.list), units = "MB")
584.2 Mb
> print(object.size(fit004.list), units = "MB")
576.8 Mb
> print(object.size(fit005.list), units = "MB")
8895.8 Mb
你会看到袋子地球的最后一个列表比其他列表大得多（x 10）。看看这十二个拟合中的一个的结构，我看到有一个50个重新采样的finalModel $ fit列表，它们很大，其中有50个：
> print(object.size(fit005.list[[1]]$finalModel), units = "MB")
699.2 Mb
> print(object.size(fit005.list[[1]]$finalModel$fit), units = "MB")
679.2 Mb
> print(object.size(fit005.list[[1]]$finalModel$fit$Resample01), units = "MB")
13.6 Mb
有人知道袋土是否自然如此大？
是否不符合适合控制中的修剪选项？
有谁知道我是否可以控制ResampleXX的数量？
如果没有，我可以“手动”使它们无效而几乎没有后果吗？
感谢。