我有100种不同的随机森林模型。它们中的每一个平均大小为300 MB（每个都训练超过300个类）。我正在使用随机森林的sklearn（v0.19.1）实现。这导致超过30 GB的内存使用。我需要内存中的所有模型，并尝试减少树的深度，但精度的降低是相当大的。有没有人有任何想法和/或建议（实施？）可以帮助我减少内存占用？
答案 0 :(得分：1)
我没有任何先进而优雅的解决方案。但是由于你使用RF，总会有一个解决办法：你可以用不同的随机种子一个接一个地训练100个DT（或RF）模型，并将每个模型存储在磁盘上（存储后从内存中擦除）。这样，在任何给定时间内，内存中最多只有300 MB。要进行预测，您需要逐个读取模型和预测，并平均预测概率。您可以将此提议概括为在每个此类模型中使用N（N = 1..5）树来使用一些适度的内存但减少实际模型的数量