训练的机器学习模型太大

我们为某个回归任务训练了一个额外树模型。我们的模型由3个额外树组成,每个额外树包含200棵深度为30的树。在这3个额外树之上,我们使用了岭回归。

我们训练模型花了几个小时,并使用pickle保存了训练后的模型(整个类对象),以便后续使用。然而,保存的训练模型大小太大了,大约140 GB!

有什么方法可以减小保存模型的大小吗?pickle中有没有可以帮助的配置,或者有没有pickle的替代方案?


回答:

在最佳情况下(二叉树),你将会有3 * 200 * (2^30 - 1) = 644245094400个节点,假设每个节点只需要1字节来存储,那么就是434Gb。我认为140GB相较之下已经是一个相当不错的尺寸了。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注