随机森林的模型一般都很大么？-SofaSofa

就是10w条+特征数据max_depth=30,n_estimators=500

跑出来了800M大小模型，load都慢。。。

莫莫莫i 2019-05-08 09:51

3个回答

你这个森林深度有点大啊，如果你把深度调小点，效果应该差不多。

另外你保存的时候，设置一下compress参数应该会减小很多空间

from sklearn.externals import joblib
joblib.dump(my_rf_model, "rf.pkl", compress=9)
#my_rf_model是你训练好的模型

compress的值是0到9之间，越大表示压缩程度越高。

SofaSofa数据科学社区 DS面试题库 DS面经

strong.man 2019-05-08 11:38

您好，调整了一下测试确实小了很多，参数为(max_depth=30,n_estimators=500, min_samples_leaf= 5)，10W条数据 compress=0时是300M+，compress=9时是50M+，这边数据量是有500W+如果按照这个比例的话其实压缩比是6倍左右，还是挺大的，请问下面的只能调整深度参数来解决了么？ - 莫莫莫i 2019-05-08 16:02

你的模型还是挺大的，最大深度为30，就意味着一棵树最多有2^29个分叉，2^30个叶节点。你的数据只有10万，应该是不需要这么大的深度。同时min_sample_leaf可能也要调整。有时候为了模型压缩牺牲一点精度是ok的。 - strong.man 2019-05-08 21:38

随机森林一般深度不要超过10，不然每棵树过拟合严重，而且就会有你遇到的问题，模型太大，不管是调用还是存储都是问题。

SofaSofa数据科学社区 DS面试题库 DS面经

abuu 2020-12-06 12:27

我觉得模型选择上挺好的，随机森林固有的两类随机性可以很好的处理特征较多的情况，但是深度有些大了，过拟合有很大的概率会出现，可读性也不会太好。

SofaSofa数据科学社区 DS面试题库 DS面经

Cypher 2020-12-11 15:53

随机森林的模型一般都很大么？

Warning

3个回答

Warning

Warning

Warning