python - 如何保存占用更少内存的机器学习模型

Question

我正在训练一个 RandomForest 分类器，它的数据集有些大，大约 580mb，需要 30 多分钟才能适应。现在，当我尝试使用 joblib 保存模型时，保存的模型需要大约 11.1gb 的空间。这是正常的，还是我可以在考虑部署模型时更有效地保存模型。

是否值得使用占用这么多空间的模型，因为我有一个占用 278mb 空间的相同数据的决策树模型，它的准确度仅低 2%（91%）

我的笔记本

这是模型保存代码

from sklearn.externals import joblib  
# Save the model as a pickle in a file 
joblib.dump(Random_classifier, '/content/drive/My Drive/Random_classifier.pkl') 

我是新手，所以不要投票结束问题，只需发表评论即可。我愿意尽快编辑问题。

标签： pythonmachine-learningscikit-learnrandom-forestjoblib

Answer 1

随机森林分类方法在内存上非常昂贵。尝试降低您的决策树数量，可能会减少一些内存。看来您的数据集也很大，所以我认为您的权重大小似乎是合法的。我也知道有泡菜的方法可以减轻重量，我也建议您检查一下。