我正在训练一个随机森林模型，目的是将其保存下来用于预测（它将被下载并在外部环境中使用）。我希望这个模型尽可能小。

我读到了一些选项和包，可以减少模型的内存大小。

尽管如此，我不明白为什么训练集的大小会与模型的大小相关？毕竟，一旦森林的系数确定了，为什么还需要保留原始数据集呢？

df <- irismodel <- randomForest::randomForest(Species ~ ., data = df,                  localImp = FALSE,                 importance = FALSE,                 keep.forest = TRUE,                 keep.inbag = FALSE,                 proximity=FALSE,                 ntree = 25)object.size(model)/1000#> 73.2 bytesdf <- df[sample(nrow(df), 50), ]model <- randomForest::randomForest(Species ~ ., data = df,                  localImp = FALSE,                 importance = FALSE,                 keep.forest = TRUE,                 keep.inbag = FALSE,                 proximity=FALSE,                 ntree = 25)object.size(model)/1000#> 43 bytes

^{由reprex包（v0.2.1）于2019-05-21创建}

我尝试了上述提到的技巧来减少大小，但与训练集大小的作用相比，它们的效果微乎其微。有没有办法移除这些信息？

回答：

我认为你可以在拟合模型后移除一些部分：

object.size(model)/1000# 70.4 bytesmodel$predicted <- NULL # 移除预测值model$y <- NULL # 移除y# .. 可能其他部分也不需要object.size(model)/1000# 48.3 bytes

我使用predict(model, df)检查它是否仍然能工作，结果是可以的。

使用names(model)来检查model内的元素。

看起来$votes很大，而且你不需要它，这里是我安全移除的更多项目：

model$predicted <- NULLmodel$y <- NULLmodel$err.rate <- NULLmodel$test <- NULLmodel$proximity <- NULLmodel$confusion <- NULLmodel$localImportance <- NULLmodel$importanceSD <- NULLmodel$inbag <- NULLmodel$votes <- NULLmodel$oob.times <- NULLobject.size(model)/1000# 32.3 bytes

示例：

df <- irismodel <- randomForest::randomForest(Species ~ ., data = df,                  localImp = FALSE,                 importance = FALSE,                 keep.forest = TRUE,                 keep.inbag = FALSE,                 proximity=FALSE,                 ntree = 25)