我在我的论文项目中使用随机森林算法作为分类器。训练集包含数千张图像，每张图像大约有2000个像素被采样。对于每个像素，我有数十万个特征。受限于当前的硬件条件（8G内存，可能扩展到16G），我只能将一个图像的样本（即每个像素的特征）装入内存。我的问题是：是否可以多次调用训练方法，每次使用不同图像的样本，并在每次调用时自动更新统计模型？我特别关注变量重要性，因为在用完整的特征集训练完整个训练集后，我的想法是将特征数量从数十万减少到大约2000个，只保留最重要的特征。

感谢您的任何建议，Daniele

回答：

我认为该算法不支持增量训练。你可以在训练前考虑使用其他特征减少方法来缩小描述符的尺寸。或者，你可以从所有训练图像中随机选择一部分像素来估计变量重要性，尽可能多地装入你的内存…