我对机器学习（插入符号）还很陌生，在 RStudio 中遇到了 RAM 分配问题，但在 R 中没有遇到过。
我正在尝试使用交叉验证运行随机森林模型。准备好训练数据表 (149717 个 obs，大小为 5392816 字节) 后，我收到一条错误消息：
错误：无法分配大小为 1.1 Gb 的向量
这意味着我没有足够的 RAM 来加载对象。因此，我系统地减少了训练数据表，最终，仅使用原始训练数据的 5%，模型就可以正常工作而不会产生此错误。
但是，这并不理想，我需要在比原始大小 5% 更大的样本上运行我的模型。我决定在 R（而不是 Rstudio）中测试这一点，我的模型使用完整的训练数据表运行良好，没有内存问题。
当我在 R 和 Rstudio 处理期间查看我的任务管理器时，似乎 R 的内存使用效率比 Rstudio 更高（在使用相同数据进行相同测试时，Rstudio 使用了 100％ 的 RAM，而 R 使用了 65％！）。
当我在 Rstudio 中使用 memory.limit() 函数时，我得到以下输出：1.759219e+13 然后我在 RI 中运行相同的函数得到以下输出：16291
笔记本电脑规格：256 GIG SSD。16 GIG RAM。Windows 10 Pro 64 位。具有 8 个逻辑核心的 I7。
我的问题是：为什么 R 和 Rstudio 中的内存分配如此不同？R 的内存限制很好，并且使用了我所有的 RAM，但 Rstudio 并非如此。
有什么想法可能导致该问题，或建议解决该 RAM 分配问题？
答案1
对此感兴趣的人请参阅此链接。
https://community.rstudio.com/t/rstudio-and-r-memory-allocation/36477
此 memory.limit() 函数是 Rstudio 中的一个错误。工作正在进行中。