我正在使用SGDClassifier包裹的OneVsRestClassifier进行多标签分类，而且我遇到了内存问题。这是我的代码：
clf = OneVsRestClassifier(SGDClassifier(loss='hinge', shuffle=True, alpha=0.000001, verbose=0, n_iter=5), n_jobs=1)
clf.fit(trainX, trainY)
trainX是一个大的ndarray - 6mil x 100（浮动64）= 5 GB ram。大约有20,000个标签（因此创建了20,000个线性分类器），我的笔记本电脑有16 GB的RAM。
我可以毫无问题地加载trainX和trainY，但是当我开始使用分类器时，内存使用量会越来越高，我的计算机很快就会开始交换，我必须终止这个过程。我不明白为什么拟合SGDClassifier会导致额外的内存使用，因为：
1）SGD一次通过算法提供1个样本，因此应该有最少的额外RAM使用量。如果我可以加载数据，我应该能够训练分类器（这是SGD的整点）。
2）SVM的系数很大，但不应引起问题20000x100
那么是什么导致这个问题呢？ OneVsRestClassifier做了一些使用大量内存的事情吗？我该怎么做才能解决这个问题？
谢谢。