Python 使用qhull/SciPy计算大型数据集凸包时的问题

我开始使用

scipy.spatial.convxhull

函数进行实验，该函数（如果我理解正确的话）是

qhull

C库的包装器。我正在将SciPy 0.19.1与Python3一起使用

我首先使用了一个现实世界的数据集，该数据集具有21维700个点，并且

scipy.spatial.convxhull

崩溃，错误如下：

scipy.spatial.qhull.QhullError:QH6235 qhull error（qh_memalloc）：负请求大小（-200305336）。是否由于高D导致int溢出？

尝试使用以下Python3示例代码几次后：

import numpy as np
X = np.random.randn(40,21)
print("Computing convex hull of X (shape: " + str(X.shape) + ")...")
from scipy.spatial import ConvexHull
hull = ConvexHull(X)

我设法把问题缩小到了范围。在21个维度中随机生成39个点，它可以工作。有了40分，它有时崩溃，有时成功。我不确定，但似乎有内存分配错误

有没有办法避免内存问题？对于凸包算法，700点是否太多

浏览谷歌的搜索结果，我注意到有一些算法可以计算凸包的近似值。你推荐他们吗？他们能在我的情况下工作吗？其中一些已经有Python实现了吗

我可能想计算高维空间的凸包，高达100000维。这是一种疯狂，还是一种明智的做法

---

TLDR：高维斗争中的凸轮

ConvexHull使用qhull。我在matlab中使用了一个等价的实现（也使用了qhull），由于需要大量的内存，因此在高维中遇到了一个问题。我联系了开发者，他们确认这是一个问题

有关监视Qhull内存性能的帮助，请参阅“Qhull的性能”

“何时使用Qhull”也可能会有所帮助

---

也许你可以用一组较小的线性组合来近似大维空间？@Aryamcarthy我认为你的编辑有问题。在阅读时，我注意到有一些算法可以计算凸包的近似值。你推荐它们吗？它们在我的情况下可以工作吗？显然让我想：“不是那么广泛吗，b？”但更重要的是：作者没有提到任何关于他的用例的内容。这些信息在您的编辑中被删除。我在12维参数空间中使用

scipy.optimize.shgo

时遇到了完全相同的问题。我想知道是否已经建立了某种解决方案。也许我可以在本地编辑scipy的sou相应的rce代码。