问题：在800万个功能上应用PCA时出现OutOfMemory错误。
这是我的代码snipet： -
from sklearn.decomposition import PCA as sklearnPCA
sklearn_pca = sklearnPCA(n_components=10000)
pca_tfidf_sklearn = sklearn_pca.fit(traindata_tfidf.toarray())
我想在文本提取功能上应用PCA /降维技术（使用tf-idf）。目前我有大约800万这样的功能，我想减少这些功能，并对我使用MultiNomialNB的文档进行分类。
由于OutOfMemory错误，我被困了。
答案 0 :(得分：2)
我遇到过类似的问题。使用受限制的玻尔兹曼机（RBM）代替PCA解决了这个问题。在数学上，这是因为PCA只查看特征矩阵的EigenValues和EigenVectors，而RBM作为神经网络来考虑数据中所有特征的乘法可能性。因此，在决定哪些特征更重要时，RBM有更大的考虑因素。然后，它将功能的数量减少到更小的尺寸，具有比PCA更重要的功能。但是，在将RBM应用于数据之前，请务必使用“比例缩放”和“标准化”数据。
答案 1 :(得分：1)
我想，traindata_tfidf实际上是一种稀疏的形式。尝试使用scipy sparse格式之一而不是数组。另请查看SparsePCA方法，如果没有帮助，请使用MiniBatchSparsePCA。