Python 3.x 为什么python statsmodels会出现内存错误？

嗨，我在用statsmodels运行Tweedie GLM时遇到内存错误。我已经看过了，但那篇帖子上没有答案

我运行这台计算机有64G的RAM和8个处理器。数据的形状是

（722214,47）

以下是我的代码：

formula = 'pp_log ~ C(atfault_model) + C(channel_model) + C(CLded_model) + C(credit_model_52778) + \
        C(credit_model_c6) + C(package_model) + C(ds_fp_paid_in_full) + C(ds_pn_prior_insurance) + \
        C(ds_ip_advanced_purchase) + C(credit_model_c5) + C(ds_ad_affinity) + C(ds_ak_alliance) + \
        C(ds_ly_loyalty_discount) + C(ds_mo_multipolicy) + C(ds_pf_performance) + C(majorvio_model) + \
        C(driver_age_model):C(marital_status_model) + C(minorvio_model) + C(multi_unit_model) + \
        C(unit_drv_exp_model) +  C(Vintiles) + C(safety_course_model) + C(instructor_course_model) + \
        C(RATING_CLASS_CODE_MODEL) + C(class_model):C(v_age_model) + C(class_model):C(cc_model)'

y, x = patsy.dmatrices(formula, train, return_type = 'dataframe')

weights = train['coll_eu']

lost_cost_model = smf.GLM(y, x-1, family = sm.families.Tweedie(link = sm.families.links.log, var_power = 1.5), weights = weights)

lost_cost_results = lost_cost_model.fit()

其他信息：

内存错误在以下行抛出：

lost_cost_results = lost_cost_model.fit()

以下是回溯：

MemoryError回溯（最近的调用） 最后）在 ---->1损失成本结果=损失成本模型。拟合（）

C:\ProgramData\Anaconda3\lib\site packages\statsmodels\genmod\generalized\u linear\u model.py 拟合（自身、启动参数、最大值、方法、tol、刻度、cov类型、， cov\u kwds、use\u t、全输出、显示、最大启动\u irls、**kwargs）1010 返回self.\u fit\u irls（开始参数=开始参数，最大值=最大值，
1011 tol=tol，刻度=刻度， cov_类型=cov_类型， ->1012 cov_kwds=cov_kwds，use_t=use_t，**kwargs）1013其他：1014
self.\u optim\u hessian=kwargs.get（'optim\u hessian'））

C:\ProgramData\Anaconda3\lib\site packages\statsmodels\genmod\generalized\u linear\u model.py 内部配合irls（自、启动参数、最大值、tol、刻度、cov类型、， cov_kwds，使用，**kwargs）1131 wlsendog，
1132 wlsexog， ->1133自我权重）。拟合（方法=wls\U方法）1134 lin\U pred=np.dot（自我exog，wls\U结果.params）
1135 lin_pred+=自偏移曝光

C:\ProgramData\Anaconda3\lib\site packages\statsmodels\regression\u tools.py 在初始中（自身、endog、exog、权重） 47 self.wexog=w_half*exog 48.其他： --->49 self.wexog=w_half[：，None]*exog 50 51 def配合（自身，方法='pinv'）：

记忆错误：

添加2：

在保险行业，标准做法是将所有内容作为分类变量引入。然后，一旦决定了如何平滑每个相对性，将需要改变的内容转换为数值类型，并拟合多项式、样条曲线或任何东西

---

一旦我使用了我能用的变量作为数值，它就运行得很好了……只需3分钟。案件结案

使用

try except

&首先识别导致错误的语句。