Scikit learn 拟合sklearn.naiver_bayes.多项式nb（）时出错：9

在用TfidfCountvectorizer拟合多项式朴素贝叶斯分类器时，我被杀了：9个错误

def classify(vector, df):
    clf = MultinomialNB()
    model = clf.fit(vector, df.iloc[0:, 1].values)

if __name__ == "__main__":
    train, test = gen_train_test(pd.read_csv('Data/datalabel.csv'))
    vector = joblib.load('Data/tf.pkl')
    classify(vector, train, name='mnb')
    print('Program executed!')

这里，列车大小为409MB，矢量大小为20.3GB

---

我使用的是MacBook Pro-13 2017，8GB RAM，256GB SSD。

这个简单的代码修改解决了这个问题

vector = joblib.load(open('Data/tf.pkl', 'rb'))

---

您是如何将大小为20.3GB的向量加载到8GB RAM中的？是否有任何堆栈错误跟踪？你怎么称呼这个脚本？在终端中，在IDE？MaxU-中，我使用joblib包转储和加载矢量器，而不是pickle。Joblib压缩数据。Vivek Kumar-它只显示错误：9。这与记忆有关。我在PyCharm上使用python3命令调用脚本。它在保存到光盘时压缩数据，在加载到内存时将全部解压缩为原始格式。你一开始是怎么保存的？