将稀疏矩阵转换为密集矩阵时出现MemoryError错误？（numpy，scikit）

ndemir 发表于 Dev

灭绝者

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'))

当我运行这个我得到这个错误：

TypeError：传递了稀疏矩阵，但是需要密集数据。使用X.toarray（）转换为密集的numpy数组。

然后，我像这样更改代码：

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

现在，我有以下例外情况：

  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

有解决问题的建议吗？

丹妮卡

MemoryError意味着系统上没有足够的RAM来分配矩阵。为什么？那么，一个7395 x 412605矩阵有3051213975元。如果它们为默认float64（通常double为C）数据类型，则为22.7GB。如果转换为低精度float32s（通常float在C中），则为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。