R 如何保存我训练过的随机森林模型，并将其逐一应用于测试数据文件？

这是一个很长的机会，更多的是一个代码设计类的要求像我这样的新手，但我认为它对现实世界的应用程序有真正的价值

核心问题是：

我是否可以在R中保存一个经过训练的ML模型，例如随机森林（RF），并在以后调用/使用它，而无需重新加载用于训练它的所有数据

在现实生活中，当我有一个包含成百上千个待测试数据文件的大型文件夹时，我是否可以加载保存在R中某处的模型，让它逐个读取未知文件（因此我不受RAM大小限制），并对读取的每个文件执行回归/分类等分析，并将所有输出一起存储到文件中

比如说,

如果我在一个文件夹中有100000个csv数据文件，我想使用其中的30%作为训练集，其余作为随机森林（RF）分类的测试

我可以选择感兴趣的文件，称之为“控制文件”。然后使用fread（）随机抽取这些文件中50%的数据，调用插入符号库或随机森林库，训练我的“模型”

---

model你读过这个吗。我相信你可以做saveRDS（model…）

@StupidWolf现在我有了，谢谢你，伙计。这是一个伟大的开端。既然我可以将模型保存到一个文件中，那么有一个特殊的功能，我应该考虑逐个读取文件，并逐个在文件上应用该模型？弗瑞德？

model <- train(,x,y,data,method="rf")