kernlab ksvm返回的模型非常庞大，有没有办法修剪训练数据以减小大小？

我将

kernelab

/

ksvm

与vanilladot内核一起使用。生成的模型似乎包含训练数据，这使得它们非常庞大。特别是有一个名为

xmatrix

的插槽，其大小为150+MB。似乎一旦创建了模型，就不需要原始的训练数据，但是如果我去掉它，预测就不再有效了。有人能想出一种方法来至少缩小它的规模，或者解决这个问题的其他方法吗？

我从来没有检查过这类模型的预测方法的内部结构。作为如何减小模型对象的大小以便使用更小的数据组件（尽管使用不同的类）的示例，您可以查看我提供的答案：，为了进一步关注您的问题，您可以提供创建最小示例所需的代码（显然不使用150+MB的数据）.

code

#此代码有效，xmatrix就在那里。当然，在这种情况下它是相当小的，但在现实生活中它是巨大的。库（kernlab）myRows=10；myCols=5 mymat在注释中发布这样的代码是没有意义的。选择上面的

编辑

按钮，改进您的问题，以便正确格式化。您还应该阅读该类对象的predict方法的帮助页面。这些方法在所需的参数上有所不同。