Machine learning 为什么scikit学习'；随机森林使用了这么多内存？

我正在使用scikit的随机林实现：

sklearn.ensemble.RandomForestClassifier(n_estimators=100, 
                                        max_features="auto", 
                                        max_depth=10)

调用

rf.fit（…）

后，进程的内存使用量增加了80MB，或每棵树增加了0.8MB（我还尝试了许多其他设置，结果类似。我使用

top

和

psutil

来监视内存使用情况）

深度为10的二叉树最多应该有

2^11-1=2047

个元素，这些元素都可以存储在一个密集数组中，这样程序员就可以很容易地找到任何给定元素的父元素和子元素

每个元素都需要分割和截止中使用的功能的索引，或者6-16字节，这取决于程序员的经济性。在我的例子中，这转化为每棵树0.01-0.03MB

为什么scikit的实现使用20-60倍的内存来存储随机林的树？

每个决策（非叶）节点存储左分支和右分支整数索引（2 x 8字节）、用于拆分的功能索引（8字节）、决策功能阈值的浮点值（8字节）、杂质的减少（8字节）。此外，叶节点存储由叶预测的恒定目标值

---

您可以查看源代码中的详细信息。

如果我使用10个估计器（默认值）对某些数据进行培训，大约使用了2.2 GB，如果我使用200个估计器对相同的数据进行训练，内存使用量大约是2.2 GB。你知道为什么树的数量是树的20倍时，内存使用量几乎相同吗？这很奇怪。也许你可以尝试使用来理解这是如何发生的/为什么发生的。谢谢你的建议。我之前的研究中有部分是不正确的陈述。我真正观察到的是，估计数的两倍或三倍似乎没有什么不同，但确实有一些不同。事实上，将n_估计数增加20倍确实会有不同，但一个小的，可能会多使用10%的内存，而不是你可能预期的2000%。我只是想为未来的读者澄清这一点。