python 模糊聚类,聚类分析matlab编程

　　我尝试使用scikit-learn提供的谱聚类方法聚合我的数据集行(只有16，000行)。

　　我的问题发生在预先计算亲和矩阵(1600x16000浮点矩阵)后，这个矩阵或多或少分配了3gb。我最多能达到8gb。如果用argpack求解器调用矩阵，这种方法需要更多的内存，cpu在试图改变内存中的东西时会浪费太多的时间，导致计算速度变慢，死机。

　　我也试着在方法之前调用垃圾收集器，但是不起作用：导入gc

　　gc.collect().

　　我怎么知道事情发生的确切计划？

　　这是一个已知问题吗？有没有其他方法可以在python上立即执行谱聚类？在

　　如有必要，可以公开最小的工作实例。在

　　更新

　　我对lobbcg解算器的看法是错的。一开始好像占了所有内存，后来稳定在5Gb左右。这个过程还在继续，但是其他问题也出现了。

　　计算中会有一些数值误差，最后好像还会有NaN之类的误差。如果亲和矩阵稍有变化，产生的误差也会发生变化。请参考以下内容。

　　^{pr2}$

　　我的亲和度测量是振动EXP(-)((x1-x2)2/2 * sigma 2)的基准。如果尝试不同的sigma值，结果会有很大的变化。可以理解，如果几个条目接近于零，可能会出现一些不准确，但如果使用更大的sigma值=5.0)，情况就会不同，但接近于1.0。在

　　现在，我将假设我忽略了一点，或者在这个过程中做错了什么，并用一个新的目标更新这个问题。在

　　作为参考，我如何计算亲和矩阵：pairwise_dists=\

　　scipy . spatial . distance . square form(

　　scipy . spatial . distance . PD ist(data _ slice， sqeuclidean ))

　　similarity _ matrix=scipy . exp(-pairwise _ dists/(2 * self。_ sigm a* *2))

　　其中data_slice是numpy数组，这行是我的例子，还有self。_sigma是存储振动的基准参数。在

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。