我正试图在kaggle网站上实施一个词模型包，其中包含大约1M原始数据的Twitter情绪数据。我已经清理了它，但在最后一部分，当我将我的特征向量和情绪应用于随机森林分类器时，它花了很多时间。我的代码......
from sklearn.ensemble import RandomForestClassifier
forest = RandomForestClassifier(n_estimators = 100,verbose=3)
forest = forest.fit( train_data_features, train["Sentiment"] )
train_data_features是1048575x5000稀疏矩阵。我试图将其转换为数组，同时表示存储器错误。
我在哪里做错了？有人可以建议我一些来源或其他方式更快地完成它吗？我绝对是机器学习的新手，没有那么多的编程背景，所以一些指南将适应。
非常感谢你提前
答案 0 :(得分：2)
实际上解决方案非常简单：获得强大的机器并将其并行运行。默认情况下，RandomForestClassifier使用单个线程，但由于它是完全独立模型的集合，您可以并行训练这100个tress中的每一个。只需设置
forest = RandomForestClassifier(n_estimators = 100,verbose=3,n_jobs=-1)
使用所有核心。你也可以限制max_depth，这将加快速度（最终你可能需要这种方式，因为RF可以过度配合而不受任何深度限制）。