sklearn随机森林分类python中的内存分配错误

我正在尝试在279900个实例上运行sklearn random forest classification，这些实例有5个属性和1个类。但是我在尝试在拟合线上运行分类时遇到内存分配错误，它无法训练分类器本身。对如何解决这个问题有什么建议吗

数据是a

x、 y、日、周、准确度

x和y是坐标 天是一个月的哪一天（1-30） 周是一周中的哪一天（1-7） 准确度是一个整数

代码：

错误：

line 366, in fit
    builder.build(self.tree_, X, y, sample_weight, X_idx_sorted)
  File "sklearn/tree/_tree.pyx", line 145, in sklearn.tree._tree.DepthFirstTreeBuilder.build
  File "sklearn/tree/_tree.pyx", line 244, in sklearn.tree._tree.DepthFirstTreeBuilder.build
  File "sklearn/tree/_tree.pyx", line 735, in sklearn.tree._tree.Tree._add_node
  File "sklearn/tree/_tree.pyx", line 707, in sklearn.tree._tree.Tree._resize_c
  File "sklearn/tree/_utils.pyx", line 39, in sklearn.tree._utils.safe_realloc
MemoryError: could not allocate 10206838784 bytes

---

从scikit学习文档中。：“控制树大小的参数的默认值（例如，最大深度、最小样本叶等）导致完全生长和未运行的树，这些树在某些数据集上可能非常大。为减少内存消耗，应通过设置这些参数值来控制树的复杂性和大小。“

---

我会尝试调整这些参数。另外，你可以试试mem。如果您的计算机内存太少，请尝试在Google Collaborator上运行探查器。

我最近遇到了同一个内存器。但是我通过减少训练数据的大小而不是修改模型参数来修复它。我的OOB值为0.98，这意味着该模型不太可能过度拟合。

请尝试Google Colaboratory。您可以连接本地主机或托管运行时。对于n_估计器=10000，它对我有效。

我尝试使用max_features=“log2”、min_samples_split=3、min_samples_leaf=2作为参数，但我仍然面临同样的问题，我可能尝试使用max depth。我有一个16GB的ramAnd，这取决于我拥有的功能数量，深度不能足够大，对吗？我肯定会设置一个最大深度。决策树在高深度上过度拟合。通常深度为6就足够了，但这当然取决于你的模型。当我尝试运行25000个点时，是否可以在数据块中运行。我想不会，因为最后的数据是相同的，我想你可以做到。但是您不能在不同的数据块上训练两个模型，因为结果会不同。你试过最大深度吗？

line 366, in fit
    builder.build(self.tree_, X, y, sample_weight, X_idx_sorted)
  File "sklearn/tree/_tree.pyx", line 145, in sklearn.tree._tree.DepthFirstTreeBuilder.build
  File "sklearn/tree/_tree.pyx", line 244, in sklearn.tree._tree.DepthFirstTreeBuilder.build
  File "sklearn/tree/_tree.pyx", line 735, in sklearn.tree._tree.Tree._add_node
  File "sklearn/tree/_tree.pyx", line 707, in sklearn.tree._tree.Tree._resize_c
  File "sklearn/tree/_utils.pyx", line 39, in sklearn.tree._utils.safe_realloc
MemoryError: could not allocate 10206838784 bytes