对于随机森林算法，构建完整的未修剪树的时间复杂度为$O(m.n\log(n))$， 在哪里$n$是记录/实例的数量和$m$是变量的数量。该算法具有令人尴尬的并行性，因此在许多情况下，拥有可用资源的公司将简单地使用足够的计算节点来使模型能够在他们认为合理的时间内运行。

随机森林基于bagging 和投票。

这意味着所有单个模型都必须坚持用于预测。因此，增加估计器的数量将需要更多的 RAM。

好消息是，如果 Cores/CPU 可用，相同的属性使其有资格进行并行训练。请尝试一下。@Brady Gilg 也提出了同样的建议。

我已经尝试了大约 1000 万条记录，估计数在 15-40 之间，并且只需要不到 30 分钟。您的生产系统似乎很轻，或者 E2E 模型有问题。