从这个 kaggle 讨论中，支持稀疏矩阵的分类算法scikit-learn至少是：

• linear_model.LogisticRegression()
• svm.SVR()
• svm.NuSVR()
• naive_bayes.MultinomialNB()
• naive_bayes.BernoulliNB()
• linear_model.PassiveAggressiveClassifier()
• linear_model.Perceptron()
• linear_model.Ridge()
• linear_model.Lasso()
• linear_model.ElasticNet()
• linear_model.SGDClassifier()

此外，从这个 quora question中，您可以检查算法的实现是否导入scipy.sparse.csr_matrix。

除了 @ncasas 的链接之外，这里是分类/回归/特征选择的完整列表以及 David Ziganto 的博客的更多内容。我上周提到的——

https://dziganto.github.io/Sparse-Matrices-For-Efficient-Machine-Learning/

此外，从 sk-learn 文档中，他们有使用少量模型的文本分类示例代码。

https://scikit-learn.org/0.15/auto_examples/document_classification_20newsgroups.html