R - MLR - randomForestSRC - 模型大小巨大，预测时间非常慢 - 如何减少两者？

Question

使用MLR训练了分类randomForestSRC（https://www.rdocumentation.org/packages/randomForestSRC/versions/2.6.0）后，模型大小为多GB，每个实例的预测时间非常慢。

我们可以从模型中删除什么来减小尺寸，并且可能会缩短预测时间？

注意一些测试表明，预测100项与预测1的速度基本相同。

**Prediction: 1 observations**
predict.type: prob
threshold: 0=0.50,1=0.50
**time: 70.25**

**Prediction: 100 observations**
predict.type: prob
threshold: 0=0.50,1=0.50
**time: 69.82**

https://kogalur.github.io/randomForestSRC/theory.html

Answer 1

您可以调整一些参数来减小模型的大小。特别是：

• 减少ntree以减少树木
• 针对每个叶子的大量数据点增加nodesize
• 减少nodedepth以获得更浅的树

Answer 2

如果您不受分类林的此特定实现的约束，您可能需要尝试使用游侠（“classif.ranger”）。

您可以在此处找到这些实施的比较： https://www.jstatsoft.org/article/view/v077i01