使用sklearn.cluster.KMeans（python+；py2exe）时减少dist目录大小

我在将python脚本转换为可执行文件时遇到了一些问题。 它的尺寸太大，我无法分发给我的客户

问题是，我只使用了sklearn的一些代码，结果在我的分发目录中总共有240MB。 我知道这并不是因为我只使用一种东西，我不需要其他东西。 但是我正在寻找一种方法来减小这个大小，或者甚至有一个替代KMeans类的方法，使用一个更轻量级的python机器学习包

如果需要，使用此功能的代码部分包括：

from sklearn.cluster import KMeans
...
# clus is just hanging an object instance of KMeans
clus = KMeans(n_clusters = _numBlocks, random_state = 1, n_jobs = 1)
# and here, I just call its method
_hourmap = clus.fit_predict(Load2Clus)
...

---

嗯，

kmeans

是一个非常简单的算法，正如您所认识的，它只是

sklearn

的一小部分。如果您的内存有限，并且这是您使用的整个软件包的唯一部分，我会避免使用

sklearn

。您也可能不需要

numpy

、

scipy

和其他包，除非您在代码的其他地方使用它们

你的选择是：

• 在Python中实现您自己的K-means版本
• 使用简单的

  kmeans

  包，从中包装kmeans的C实现
• 使用您已经确定的不同轻质包装

为减少库档案的大小而考虑的其他事项，包括：

• 不包括各种外部库
• 不包括标准库的部分
• 压缩归档文件

以下哪一项最适合你取决于你的课程