为什么随机森林的大小会随着训练样本的增加而增加？

Question

在过去的几个月里，我一直在定期地训练sklearn Random forest。我注意到，当使用joblib将模型导出到一个文件时，文件大小急剧增加，从2.5gb增加到11GB。所有参数保持不变，训练特征的数量保持不变。唯一的区别是训练数据中的例子数量增加了。你知道吗

假设参数保持不变，并且每个树的估计数和深度都是指定的，为什么增加示例数会增加随机林的大小？你知道吗

以下是模型的参数：

RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
        max_depth=None, max_features='sqrt', max_leaf_nodes=None,
        min_impurity_decrease=0.0, min_impurity_split=None,
        min_samples_leaf=20, min_samples_split=2,
        min_weight_fraction_leaf=0.0, n_estimators=1000, n_jobs=-1,
        oob_score=False, random_state=123, verbose=0, warm_start=False)

Answer 1

我将min_samples_leaf设置为浮点，然后它是训练数据集的百分比。例如min_samples_leaf=0.01对于每个叶中至少1%的样本。你知道吗

要优化模型的大小，可以在min_samples_leaf和n_estimators上使用GridSearchCV。除非您有大量的类和特性，否则您可能可以将模型大小减少几个数量级。你知道吗