我正在使用 SKLearn KernelRidge 拟合具有 100,000 个样本 x 10 个特征（6 个整数和 4 个浮点数）的模型：
model = KernelRidge(kernel='linear')
查看任务管理器，“Python”进程大约需要 40GB。
你能解释一下为什么会有这么高的需求吗？后台构建了什么样的矩阵？
SKLearn KernelRidge 内存需求
数据挖掘
Python
scikit-学习
回归
支持向量机
2022-03-16 08:16:12
1个回答
这是比较常见的。KernelRidge 的算法需要执行 SVD。遗憾的是，SVD 无法处理稀疏矩阵，因此 sklearn 中的 _pre_compute_svd 函数只是将矩阵转换为密集矩阵并继续前进。这往往会很快炸毁内存。
你有几个选择。重写处理稀疏矩阵的方法或只使用不同的方法。SVR 将是最相似的选择。