Speicherfehler bei zufälliger Forest Classifier-Vorhersage

Question

Ich habe einen Zufalls-Forest-Klassifizierer für meinen Datensatz mit 7 Features und etwa 1 Million Zeilen oder Datensätzen eingerichtet.

Folgendes ist mein Code.

randForestClassifier=RandomForestClassifier(n_estimators=10,max_depth=3) 
randForestClassifier.fit(X_train,y) 
pred=randForestClassifier.predict(featues_test) 

Ich erhalte Speicherfehler, wenn ich Methode meiner classifier.How vorhersagen, um es zu beheben?

Es folgt mein vollständiges Protokoll

randForestClassifier.predict(featues_test) 
Traceback (most recent call last): 

    File "<ipython-input-15-0b7612d6e958>", line 1, in <module> 
    randForestClassifier.predict(featues_test) 

    File "C:\Python27\lib\site-packages\sklearn\ensemble\forest.py", line 462, in predict 
    proba = self.predict_proba(X) 

    File "C:\Python27\lib\site-packages\sklearn\ensemble\forest.py", line 513, in predict_proba 
    for e in self.estimators_) 

    File "C:\Python27\lib\site-packages\sklearn\externals\joblib\parallel.py", line 659, in __call__ 
    self.dispatch(function, args, kwargs) 

    File "C:\Python27\lib\site-packages\sklearn\externals\joblib\parallel.py", line 406, in dispatch 
    job = ImmediateApply(func, args, kwargs) 

    File "C:\Python27\lib\site-packages\sklearn\externals\joblib\parallel.py", line 140, in __init__ 
    self.results = func(*args, **kwargs) 

    File "C:\Python27\lib\site-packages\sklearn\ensemble\forest.py", line 106, in _parallel_helper 
    return getattr(obj, methodname)(*args, **kwargs) 

    File "C:\Python27\lib\site-packages\sklearn\tree\tree.py", line 592, in predict_proba 
    proba = self.tree_.predict(X) 

    File "sklearn/tree/_tree.pyx", line 3207, in sklearn.tree._tree.Tree.predict (sklearn\tree\_tree.c:24468) 

    File "sklearn/tree/_tree.pyx", line 3209, in sklearn.tree._tree.Tree.predict (sklearn\tree\_tree.c:24340) 

MemoryError 

Answer 1

Ja, Sie bekommen die MemoryError bei randForestClassifier.predict(featues_test), wie sie in der Stack-Trace gezeigt:

File "<ipython-input-15-0b7612d6e958>", line 1, in <module> 
    randForestClassifier.predict(featues_test) 

Die restlichen Zeilen des Stack-Trace zeigt, dass die Probleme kommen von sklearn, in der C-Code: sklearn\tree\_tree.c:24340