如何保存一个占用内存较少的机器学习模型？

Question

我正在用580mb左右的大数据集训练一个RandomForest分类器，它需要30多分钟的时间来适应.现在当我尝试使用joblib保存模型时，保存的模型需要大约11.1gb的空间.这是正常的吗，或者我可以更有效地保存模型所消耗的空间，因为我正在考虑部署该模型。

因为我有一个同样数据的决策树模型，需要278mb的空间，而它的准确率只低了2%(91%)，所以值得使用一个需要这么多空间的模型吗？

笔记本

这是模型保存代码

from sklearn.externals import joblib  
# Save the model as a pickle in a file 
joblib.dump(Random_classifier, '/content/drive/My Drive/Random_classifier.pkl') 

我是新手，所以不要投票关闭问题，只需留言。我愿意尽快编辑这个问题。

Answer 1

随机森林分类方法在内存中是很昂贵的.尝试降低你的决策树数量，可能会减少一些内存.看来你的数据集也是非常大的，所以我认为它似乎是合法的你的权重大小.另外，我知道有pickle的方式来保存权重，我建议也要检查出来。