拟合 scikit-learn 决策树和随机森林分类器时的 MemoryError答案

【问题标题】：MemoryError when fitting scikit-learn Decision Tree and Random Forest Classifiers拟合 scikit-learn 决策树和随机森林分类器时的 MemoryError
【发布时间】：2018-12-01 04:39:48
【问题描述】：

我有一个带有 86k 行、5 个特征和 1 个目标列的 pandas DataFrame。我正在尝试使用 70% 的 DataFrame 作为训练数据来训练 DecisionTreeClassifier，但我从 fit 方法中得到了 MemoryError 。我已经尝试更改一些参数，但我真的不知道是什么导致了错误，所以我不知道如何处理它。我使用的是具有 8GB RAM 的 Windows 10。

代码

train, test = train_test_split(data, test_size = 0.3)
X_train = train.iloc[:, 1:-1] # first column is not a feature
y_train = train.iloc[:, -1]
X_test = test.iloc[:, 1:-1]
y_test = test.iloc[:, -1]

DT = DecisionTreeClassifier()
DT.fit(X_train, y_train)
dt_predictions = DT.predict(X_test)

错误

File (...), line 97, in <module>
DT.fit(X_train, y_train)
File "(...)\AppData\Local\Programs\Python\Python36-32\lib\site-packages\sklearn\tree\tree.py", line 790, in fit
X_idx_sorted=X_idx_sorted)
File "(...)\AppData\Local\Programs\Python\Python36-32\lib\site-packages\sklearn\tree\tree.py", line 362, in fit
builder.build(self.tree_, X, y, sample_weight, X_idx_sorted)
File "sklearn\trewe\_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 671612928 bytes

当我尝试使用 RandomForestClassifier 时，也会发生同样的错误，总是在进行拟合的那一行。我该如何解决这个问题？

【问题讨论】：

只是为了满足我的好奇心，你可以试试y_train = train.iloc[:, -1:]（在末尾添加冒号），这样你的 Y 值就是形状 (n, 1) 而不仅仅是 (n,)。我不认为这是导致问题的原因，但我知道我之前看到过 sklearn 警告
如果您在运行此代码之前/期间打开任务管理器，您是否有几 GB 的内存可用，或者其他进程可能会占用所有内存？
我对 y_train 和 y_test 都这样做了，但它并没有真正改变任何东西，我得到了同样的错误：/
在运行之前我有大约 2.7GB 的可用内存，在执行过程中它会降至最低 2.3GB 直到我得到 MemoryError。
2.7G 可能还不够。仅该错误就表明正在分配的一块内存约为 670M，并且是 realloc 调用，这意味着它可能正在尝试调整现有分配的类似大小的块......所以可能只有 1-1.5G它正在分配的那一件事。您的数据似乎非常合理，但该决策树可能只需要更多内存。尝试杀死一些占用内存的进程和/或重新启动，然后再试一次。例如，如果您打开了很多选项卡，Chrome 可能会占用大量内存。不过，8G 应该足以解决这个问题。

标签： python machine-learning scikit-learn decision-tree

【解决方案1】：

我也遇到了同样的问题。确保您处理的是分类问题而不是回归问题。如果您的目标列是连续的，您可能希望使用 http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html 而不是 RandomForestClassifier。

【讨论】：