Machine learning 为什么weka中的最大熵总是导致JVM出堆？

我尝试在weka中使用最大熵进行文本分类。我在Weka中使用逻辑回归，这相当于最大熵。我读到它的价格贵得要命。我将当前设置2G分配给JVM，并将字向量维保持为10000以评估最大熵，但它总是导致JVM内存不足。这让我觉得我犯了任何错误，因为2G堆大小对于任何分类器来说都太大了，不是吗

1） 有人在Weka中使用过MaxEnt（Logistic.Java）吗？对于文本分类来说，它应该这么慢吗

---

2） 是否有我可能忽略的MaxEnt所需的任何参数调整？

您使用的是资源管理器还是代码？@NLPer我在代码中使用的最大维度是1000。任何超过1000维的JVM都会吃掉所有高达2GB的堆，并最终进入堆外JVM…好的，您的arff有多大？您是如何更改maxheap的？我会尝试在RunWeka.ini中更改它，并从RunWeka.bat启动Explorer。对于在代码中的使用，我将在Eclipse中运行配置的VM参数中更改它。如果它们不起作用，您可能需要超过2GB。@NLPer是的，我尝试了所有选项，并了解到使用最大熵的计算成本非常高，因为它计算一个“F平方”矩阵，其中F是您的特征数。。。。！我从我的选项中排除最大熵。。。