我正在使用sklearn Kmeans Minibatch对大型数据进行集群，但是出现内存错误。
这是我在此配置下的笔记本电脑配置，可以正常工作：
我将TfidfVectorizer X 存储在.npz文件中（426 Mb）。然后，我在 X 上用不同数量的集群执行几次集群。
X = sparse.load_npz（“ D：\ clustering_final \ sp-k2.npz”）
n_samples：850900，n_features：1728098
使用MiniBatchKMeans聚类稀疏矩阵数据
Batch_size = 1000，n_clusters = 500，compute_labels = True，init ='k-means ++'，n_init = 100
我的python脚本在此便携式计算机配置上可以正常工作，但是当我在另一台便携式计算机上使用相同的Python（因为它与复制的python36文件夹相同）时，会出现内存错误。即使另一台笔记本电脑的配置很高：
16 GB RAM
km.fit(X)
File "C:\python36\lib\site-packages\sklearn\cluster\k_means_.py", line 1418, in fit init_size=init_size)
File "C:\python36\lib\site-packages\sklearn\cluster\k_means_.py", line 684, in _init_centroids x_squared_norms=x_squared_norms)
File "C:\python36\lib\site-packages\sklearn\cluster\k_means_.py", line 79, in _k_init centers = np.empty((n_clusters, n_features), dtype=X.dtype)
MemoryError
我检查了所有必需的库和其他依赖项，但是它在低配置笔记本电脑上可以完美运行。为什么它不能在高配置笔记本电脑上运行？
我知道这听起来很奇怪，但确实如此。