我有一个文档术语矩阵，包含9000行(文档(和1810列(术语(。我已经将PCA应用于降维，比如说9000x200矩阵。
我的目的是对这些数据进行聚类，下一步是应用一些距离度量，比如sklearn的cosine_similarity。
如果我直接在DT矩阵上运行cosine_similarity(这显然是稀疏的(，那么一切都很好。但是，如果我试图在PCA生成的矩阵上运行cosine_similarity，我们称之为reducted_dtm，那么我在PyCharm:中会出现内存错误
RecursionError: maximum recursion depth exceeded while calling a Python object
Process finished with exit code -1073741571 (0xC00000FD)
这里是我的代码(dtm是我的文档术语矩阵，我的代码实际上将转置术语文档矩阵tdm作为输入(：
dtm = tdm.T
# scale dtm in range [0:1] to better variance maximization
scl = MinMaxScaler(feature_range=[0, 1])
data_rescaled = scl.fit_transform(dtm)
# Fitting the PCA algorithm with our Data
pca = PCA(n_components=n).fit(data_rescaled)
data_reducted = pca.transform(data_rescaled)
# for continuity with my pipeline I need to
# return the TDM, so i transpose again
dtm_reducted = pd.DataFrame(data_reducted)
# Here apply cosine similarity
cs = cosine_similarity(dtm_reducted)
cs_pd = pd.DataFrame(cs)
OMG，我已经意识到，实际上在我的代码中，我从一个我称为"cosine_smilarity"的函数中调用了cosine_silarity(sklearn(。这导致了一个无限递归循环。