你可以使用
biglm
对模型进行拟合,
biglm
模型对象比 lm 模型对象更小。你可以使用
predict.biglm
创建一个函数,并将新的数据设计矩阵传递给该函数,该函数返回预测值。
另一个选项是使用
saveRDS
来保存文件,这些文件似乎更小,因为它们具有较少的开销,只是单个对象,而不像 save 可以保存多个对象。
library(biglm)
m <- lm(log(Volume)~log(Girth)+log(Height), trees)
mm <- lm(log(Volume)~log(Girth)+log(Height), trees, model = FALSE, x =FALSE, y = FALSE)
bm <- biglm(log(Volume)~log(Girth)+log(Height), trees)
pred <- predict(bm, make.function = TRUE)
save(m, file = 'm.rdata')
save(mm, file = 'mm.rdata')
save(bm, file = 'bm.rdata')
save(pred, file = 'pred.rdata')
saveRDS(m, file = 'm.rds')
saveRDS(mm, file = 'mm.rds')
saveRDS(bm, file = 'bm.rds')
saveRDS(pred, file = 'pred.rds')
file.info(paste(rep(c('m','mm','bm','pred'),each=2) ,c('.rdata','.rds'),sep=''))
model=FALSE
,但没有明显的效果。 - Nick Evansbiglm
可能是解决方案。biglm
类对象比lm
更小,并且具有其他big data
效率。 - mnel