SKLearn KernelRidge内存需求

Question

我正在使用SKLearn KernelRidge来拟合一个有10万个样本x10个特性(6个ints和4个浮点数)的模型：

model = KernelRidge(kernel='linear')

查看任务管理器，'Python‘流程需要40 at。

你能解释一下为什么有这么高的需求吗？在背景中建立什么样的矩阵？

Answer 1

这是相当普遍的。KernelRidge的算法需要进行一次奇异值分解。遗憾的是，SVD不能处理稀疏矩阵，因此sklearn中的_pre_compute_svd函数只是将矩阵转换为密集矩阵，然后继续前进。这往往会很快地炸掉记忆。

你有几个选择。重写该方法以处理稀疏矩阵，或者只使用另一种方法。SVR将是最相似的选择。