我有100种不同的随机森林模型。他们每个人的平均大小为300 MB（每个人接受300多个课程的培训）。我正在使用sklearn（v0.19.1）的随机森林实现。这将导致超过30 GB的内存使用。我将需要内存中的所有模型，并尝试减少树的深度，但是准确性的降低幅度很大。是否有人可以帮助我减少内存占用的任何想法和/或建议（实现？）？
我没有任何高级且优雅的解决方案。但是，由于您使用RF，所以总有一种解决方法：您可以使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，您最多只能有300 MB的内存。要进行预测，您将需要阅读模型并进行一对一预测，并平均预测的概率。您可以将该提案推广为在每个此类模型中具有N（N = 1..5）个树，以使用一些适度的内存，但减少实际模型的数量