我试图在一些文本处理后获得的矩阵(3241 x 12596)上应用SVD(执行潜在语义分析的最终目标),我无法理解为什么会发生这种情况,因为我的64位机器有16GB RAM。在调用svd(self.A)
的那一刻,它抛出一个错误。精确的误差如下:
Traceback (most recent call last):
File ".SVD.py", line 985, in <module>
_svd.calc()
File ".SVD.py", line 534, in calc
self.U, self.S, self.Vt = svd(self.A)
File "C:Python26libsite-packagesscipylinalgdecomp_svd.py", line 81, in svd
overwrite_a = overwrite_a)
MemoryError
所以我试着用
self.U, self.S, self.Vt = svd(self.A, full_matrices= False)
,这一次,它抛出以下错误:
Traceback (most recent call last):
File ".SVD.py", line 985, in <module>
_svd.calc()
File ".SVD.py", line 534, in calc
self.U, self.S, self.Vt = svd(self.A, full_matrices= False)
File "C:Python26libsite-packagesscipylinalgdecomp_svd.py", line 71, in svd
return numpy.linalg.svd(a, full_matrices=0, compute_uv=compute_uv)
File "C:Python26libsite-packagesnumpylinalglinalg.py", line 1317, in svd
work = zeros((lwork,), t)
MemoryError
这应该是一个Numpy无法处理的大矩阵吗?在这个阶段,我可以在不改变方法本身的情况下做些什么吗?
是的,full_matrices
参数到scipy.linalg.svd
是重要的:您的输入是高度缺乏秩的(最大秩为3,241),所以您不想为V
分配整个12,596 x 12,596矩阵!
更重要的是,来自文本处理的矩阵可能非常稀疏。scipy.linalg.svd
是密集的,不提供截断的SVD,这导致a)悲惨的性能和b)大量的内存浪费。
看一下PyPI的sparseSVD包,它处理稀疏输入,您可以只请求顶级K
因子。或者尝试scipy.sparse.linalg.svd
,尽管它不是那么有效,并且只能在较新版本的scipy中使用。
或者,为了完全避免粗糙的细节,可以使用透明地为您执行有效LSA的包,例如gensim。
显然,由于@Ferdinand Beyer,我没有注意到我在64位机器上使用的是32位版本的Python。
使用64位版本的Python并重新安装所有库解决了这个问题。