在 scikit-learn 中运行 Randomforest 的 MemoryError答案

【问题标题】：MemoryError of running Randomforest in scikit-learn在 scikit-learn 中运行 Randomforest 的 MemoryError
【发布时间】：2015-06-23 18:34:39
【问题描述】：

我正在关注For Beginners - Bag of Words 中给出的Python 示例。但是，以下代码段会给出类似MemoryError 的错误消息。什么可能导致此错误

forest = forest.fit(train_data_features, train["sentiment"])

Traceback (most recent call last):
File "C:/Users/PycharmProjects/Project3/demo4.py", line 60, in <module>
   forest = forest.fit(train_data_features, train["sentiment"])
File "C:\Users\AppData\Roaming\Python\Python27\site-        
   packages\sklearn\ensemble\forest.py", line 195, in fit
X = check_array(X, dtype=DTYPE, accept_sparse="csc")
File "C:\Users\AppData\Roaming\Python\Python27\site-
   packages\sklearn\utils\validation.py", line 341, in check_array
   array = np.array(array, dtype=dtype, order=order, copy=copy)
MemoryError

【问题讨论】：

标签： python python-2.7 machine-learning scikit-learn

【解决方案1】：

MemoryError，顾名思义，表示您的可用内存即将用完。

如果您遵循here 中的示例代码，那么有几件事可以帮助您：

当您不再需要变量时，使用 del 删除变量
（例如，第 62 行之后不需要clean_train_reviews）
在第 42 行之后，只需要 train["sentiment"]，其余的 train 可以被丢弃以释放内存
一开始不要同时阅读训练集和测试集。 test 集仅在构建森林后才需要，此时不再需要与火车集相关的任何其他内容。
整个训练部分可以包装在一个返回森林的函数中，该函数将处理此后不再需要的所有引用。

【讨论】：

根据您的建议，我创建了 doTrain() 函数以允许 Python 清理变量。在我运行本教程时，它单独解决了MemoryError。操作系统：Ubuntu 14.04，内存 8G

【解决方案2】：

在指定的示例中，词袋包含 5000 个特征；这需要大量内存。因此，一种解决方案是减少特征数量，但这样做可能会影响模型性能。另一种解决方案是从 32 位 Python 切换到 64 位。

【讨论】：