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)
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。你知道吗相关问题 更多 >
编程相关推荐