Python学习KMeans在计算剪影得分时被杀死(9)

Question

我目前正在处理一个图像数据集(25万个图像，因此与特征向量一样多，每个特征向量都由132个特性组成)，并试图使用sklearn提供的KMeans函数。

我在MacOSX10.10、Python2.7和sklearn 0.15.2上运行它，过了一会儿我只获得了一个：

被害:9人

运行以下命令行时出错：

nb_cls = int(raw_input("Number of clusters chosen :"))
clusterer = sklearn.cluster.KMeans(n_clusters=nb_cls)
clusters_labels = clusterer.fit_predict(X)
silhouette = sklearn.metrics.silhouette_score(X, clusters_labels)
print "n clusters =", nb_cls, "/ silhouette_score =", silhouette

请注意，白化计算的剪影分数，代码没有杀死

对于较小的数据集(±2500幅图像)，同样的算法是有效的，并且没有类似的Python错误。

我怎样才能避免这个致命的9错误呢？这个计算对我的笔记本电脑来说是不是太雄心勃勃了？

Answer 1

这意味着你的脚本被操作系统杀死了。在大多数情况下，这是因为它占用了太多的内存。在您的情况下，当您只使用2 500张图像时，您的代码可能工作得很好。

如果这是内存问题，您将不得不获得更多的RAM (在mac上是不可能的)，使用另一台具有更多RAM的计算机，或者缩小数据集的大小。