以下是设置：
课程数量：1806
训练数据长度为61499
功能数量是40473（目前这些是布尔值，虽然这可能会在某些时候发生变化）
平均每个训练数据在行中有~10 1，因此40463 0（我使用的是scipy的稀疏矩阵）。
我尝试过各种各样的学习算法（linearsvc获得最佳性能，而sgdclassifier似乎效率最高，性能仅略低于linearsvc），还有一些降维（pca，svd），但我怀疑我正在设置矩阵的方式有问题吗？ （或者可能只有更好的方法，因为当方法/特征/数据明显减少时，这种方法可以正常工作）
非常感谢任何想法。
（编辑：也尝试了sgdclassifier的.partial_fit（），即使有两次调用花了太长时间，所以我没有让它完成）
答案 0 :(得分：0)
当您耗尽可寻址内存时，通常会发生MemoryError。如果您正在运行32位python，则通常可以通过使用64位python来避免此错误。有关发生这种情况的详细信息，请参阅here。