如何在mlr3中仅保存ranger模型（不含数据）并解决加载报错

1. 仅保存模型参数（不包含训练数据） #

mlr3的Learner对象默认会关联训练任务数据，导致保存文件体积过大。可以通过两种方式实现仅保存核心模型：

• 方式一：提取底层ranger原生模型保存
  训练完成后，直接提取learner_ranger$model（这是训练好的ranger原生模型对象）保存，完全不包含mlr3的包装结构和训练数据：

# 确保模型已成功训练
learner_ranger$train(train_task)
# 提取原生ranger模型
ranger_core_model = learner_ranger$model
# 保存纯模型
save(ranger_core_model, file = "ranger_core_model.rda")

• 方式二：清理Learner中的任务数据后保存
  如果需要保留mlr3的Learner结构（方便后续直接调用predict方法），可以先清空Learner关联的训练任务数据：

learner_ranger$train(train_task)
# 移除训练任务的关联
learner_ranger$state$train_task = NULL
# 保存轻量化的Learner对象
save(learner_ranger, file = "lightweight_learner.rda")

2. 加载模型时的异常解决 #

load()函数的作用是将保存的对象直接加载到当前环境中，不会返回对象本身。你之前的错误是错误地将load()的返回值（仅为对象名称字符串）赋值给变量，正确操作如下：

# 直接加载，无需赋值
load("model.rda")
# 加载完成后直接使用原变量名
str(learner_ranger)

如果保存的是ranger_core_model，加载后直接调用ranger_core_model变量即可。

3. 保存learner_ranger$model报错的原因 #

你报错信息中的learner_randomF$model是变量名拼写错误，正确的变量名应为learner_ranger$model。同时需要确保learner_ranger$train(train_task)已成功执行（无报错），只有训练完成后learner_ranger$model才会被赋值。

内容的提问来源于stack exchange，提问作者Saurabh