我正在尝试分析文本，但是我的Mac的RAM只有8个演出，而RidGereGressor仅在Killed: 9之后停止。我侦察这是因为它需要更多的内存。
有没有办法禁用堆栈尺寸限制器，以便算法可以使用某种交换内存？
您需要手动进行。
这里可能有两个不同的核心问题：
- A：举行训练数据
- b：训练回归器
对于a，您可以尝试使用Numpy的Memmap，以抽象交换。作为替代方案，请考虑将数据准备为HDF5或一些DB。对于HDF5，您可以使用H5PY或PYTABLES，都允许使用Numpy的用法。
对于B：使用一些核心外算法是一个好主意。在Scikit-Learn中，这些是支持partial_fit的人。
请记住，这种训练过程将至少两个新元素分解为
- 在记忆方面有效
- 交换很慢；您不想在学习过程中使用n^2 aux-memory的东西
- 有效收敛
上面链接中的那些算法都应该可以。
sgdregressor可以被参数化以类似于山脊。
另外：可能需要手动使用partial_fit，遵守算法的规则（通常是防止收敛所需的某种随机订购）。抽象交换的问题是：如果您的回归器在每个时期都在置换，而又不知道那是多么昂贵，那么您可能会遇到麻烦！
由于问题本身非常困难，因此为此建立了一些特殊的库，而Sklearn则需要一些手动工作。最极端的方法之一（很多疯狂的技巧）可能是vowpal_wabbit（其中IO通常是瓶颈！）。当然还有其他流行的液井，例如Pyspark，服务略有不同（分布式计算）。