将稀疏矩阵转换为密集矩阵时出现内存错误?(Numpy，Scikit)

Question

lr = lm.LogisticRegression(penalty='l2', dual=True, tol=0.0001, 
                             C=1, fit_intercept=True, intercept_scaling=1.0, 
                             class_weight=None, random_state=None)
rd = AdaBoostClassifier( base_estimator=lr, 
                                           learning_rate=1, 
                                           n_estimators=20, 
                                           algorithm="SAMME")
##here, i am deleting unnecesseary objects
##print X.shape
##(7395, 412605)
print "20 Fold CV Score: ", np.mean(cross_validation.cross_val_score(rd, X, y, cv=20, scoring='roc_auc'))

当我运行这个时，我收到此错误：

类型错误：传递了稀疏矩阵，但需要密集数据。用 X.toarray(( 转换为密集的 numpy 数组。

然后，我像这样更改了我的代码：

print "20 Fold CV Score: ", np.mean(cross_validation.cross_val_score(rd, X.toarray(), y, cv=20, scoring='roc_auc'))

现在，我有以下例外：

  File "/usr/lib/python2.7/dist-packages/scipy/sparse/compressed.py", line 559, in toarray
    return self.tocoo(copy=False).toarray(order=order, out=out)
  File "/usr/lib/python2.7/dist-packages/scipy/sparse/coo.py", line 235, in toarray
    B = self._process_toarray_args(order, out)
  File "/usr/lib/python2.7/dist-packages/scipy/sparse/base.py", line 628, in _process_toarray_args
    return np.zeros(self.shape, dtype=self.dtype, order=order)
MemoryError

有什么建议可以解决问题吗？

Answer 1

>MemoryError意味着系统上没有足够的可用RAM来分配矩阵。为什么？嗯，一个7395 x 412605矩阵有 3,051,213,975 个元素。如果它们采用默认float64(通常double C 格式(数据类型，则为 22.7GB。如果转换为较低精度的 float32 s(通常在 C 中float(，它将是 11.4GB;也许这在您的机器上是可以处理的。不过，它仍然会很慢。

似乎AdaBoostClassifier不支持稀疏输入(如您在此处的代码中看到的那样(。我不知道算法是否需要密集表示，或者只是实现假设了这一点。