我目前正在研究一个图像数据集（250 000个图像，所以与特征向量一样多，每个图像由132个特征组成）并尝试使用sklearn提供的KMeans函数。
我在Mac OS X 10.10，Python 2.7和sklearn 0.15.2上运行它，过了一段时间我只获得了一个：
被杀：9
运行这些命令行时出错：
nb_cls = int(raw_input("Number of clusters chosen :"))
clusterer = sklearn.cluster.KMeans(n_clusters=nb_cls)
clusters_labels = clusterer.fit_predict(X)
silhouette = sklearn.metrics.silhouette_score(X, clusters_labels)
print "n clusters =", nb_cls, "/ silhouette_score =", silhouette
请注意，在计算轮廓分数时，代码不会被杀死
对于较小的数据集（±2 500张图像），相同的算法是有效的，并且没有这样的Python错误。
我怎么能避免这个Killed 9错误？这个计算对我的笔记本来说太雄心勃勃了吗？
答案 0 :(得分：1)
这意味着您的脚本被操作系统杀死了。在大多数情况下，这是因为它使用了太多内存。在您的情况下似乎很可能因为您只使用了2 500个图像时代码正常工作。
如果是内存问题，您将需要获得更多RAM（在Mac上无法实现？），使用具有更多RAM的另一台计算机或减小数据集的大小。