r - 如何缩小randomForest模型的大小？

我一直在R上训练700万行数据(41个功能)中的randomForest模型。这是一个示例调用:

myModel
我肯定认为只有50棵树和30个终端节点，“myModel”的内存占用量会很小。但是转储文件中有65兆。该对象似乎持有训练过程中的各种预测，实际和投票数据。

如果我只想要森林怎么办？我想要一个很小的转储文件，以后可以加载以快速做出预测。我觉得森林本身不应该那么大...

任何人都知道如何将这种吸盘剥离成我可以预测的东西吗？

最佳答案

试图摆脱将答案发布为评论的习惯。
?randomForest建议不要将公式接口(interface)与大量变量一起使用...如果不使用公式接口(interface)，结果是否会有所不同？ ?randomForest的“值”部分还告诉您如何关闭某些输出(重要性矩阵，整个林，接近矩阵等)。

例如:

myModel <- randomForest(mydata[,!grepl("RESPONSE",names(mydata))],
  mydata$RESPONSE, ntree=50, maxnodes=30, importance=FALSE,
  localImp=FALSE, keep.forest=FALSE, proximity=FALSE, keep.inbag=FALSE)

关于r - 如何缩小randomForest模型的大小？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13691029/