***抓住了段错***地址（无），导致未映射的内存＆＃39;在R MAXENT文本分类中

Question

我使用 R.3.2.1 上的 maxent R软件包进行监督分类和培训1,000,000条推文，其中25％用于测试。其中Tweet是预测变量，City是标签。 Linux内核在Centos集群平台上运行，每个内核至少有128GB RAM。记忆不是问题。

这是我的R代码：

library(maxent)
file <- read.csv("JoinedTable.csv")
data <- file[sample(1:3700000,size=1000000,replace=FALSE),]
matrix <- create_matrix(data$Tweet, language="english", stripWhitespace = TRUE, toLower = TRUE, stemWords=FALSE, removePunctuation = TRUE, removeStopwords=TRUE, removeNumbers=TRUE, removeSparseTerms=.998)
sparse2 <- as.compressed.matrix(matrix)
model <- maxent(sparse2[1:750000,],as.factor(data$CIty)[1:750000])
results <- predict(model,sparse2[750001:1000000,])

此处返回错误消息：

 *** caught segfault ***
address (nil), cause 'memory not mapped'

Traceback:
 1: .External(list(name = "InternalFunction_invoke", address = <pointer: 0x2a3d5750>,     dll = list(name = "Rcpp", path = "/users/40113951/gridware/share/R/3.2.1/Rcpp/libs/Rcpp.so",         dynamicLookup = TRUE, handle = <pointer: 0x451c3e90>,         info = <pointer: 0x7fe0c5ecb940>), numParameters = -1L),     <pointer: 0x42b1aea0>, ...)
 2: maximumentropy$classify_samples(as.integer(feature_matrix@dimension[1]),     as.integer(feature_matrix@dimension[2]), feature_matrix@ia,     ja, feature_matrix@ra, model)
 3: classify_maxent(feature_matrix, object@model)
 4: predict.maxent(model, sparse2[750001:1e+06, ])
 5: predict(model, sparse2[750001:1e+06, ])

Possible actions:
1: abort (with core dump, if enabled)
2: normal R exit
3: exit R without saving workspace
4: exit R saving workspace

Answer 1

我发现了错误的来源，这是由于代码第6行的拼写错误;预测变量写为CIty而不是City

但是，这导致了另一条错误消息。我已通知软件包维护者，但未收到任何响应。这是否意味着MAXENT包不能处理超过255个唯一标签。阅读文档here，不要提及有关标签数量的限制

[1] "ERROR: Too many types of labels (>255 unique labels)."