【发布时间】：2018-02-02 10:55:45
【问题描述】：
我正在使用auto-sklearn 根据一些数据生成回归模型。运行几个小时后，我将生成的模型保存到磁盘以供以后与 joblib 一起使用，生成的文件大小为 2.5 GiB。
如何减小已保存模型的文件大小？我只需要能够对未来的模型进行预测即可。
【问题讨论】：
标签： python python-3.x machine-learning scikit-learn automl
【发布时间】：2018-02-02 10:55:45
【问题描述】：
根据您使用的模型类型，很有可能您绝对不能。 如果你有这么大的模型，我猜它是神经网络或随机森林模型。不幸的是，没有简单的方法可以做到这一点，如果这样做，您很可能会降低准确性。
对于神经网络，没有办法做到这一点，只能降低网络的复杂性。 对于随机森林，您可以查看 Tree Pruning，但我认为您不会获得大量内存。
如果您的问题是：模型中是否有任何东西只对训练有用，我可以删除 => 可能是一些变量，没有什么大到值得您花时间的（最多几 KB）。
【讨论】：
-
这可能是问题所在，因为模型是随机森林。我将尝试限制神经网络和随机森林来强制生成更简单的模型。如果有效，我会将您的答案标记为已接受。
-
随机森林需要考虑两个因素：减少树的数量和减少每棵树的深度。
-
我已禁用随机森林和神经网络并再次运行它，新模型的大小为 5.6 GiB。除非我遗漏了什么，否则我认为你的答案是错误的。
-
你的回答毫无意义。如果随机森林或神经网络，您不能禁用该使用。这并不意味着什么。我想你误解了我的意思
-
是的，我可以。我使用 AutoSklearnRegressor 的参数exclude_estimators 禁用它们的使用。这样 autosklearn 不能使用它们，只能尝试其余的算法。