我正在尝试训练OneVsRest算法，使其获得具有以下形状的tf-idf矩阵（称为x_train）：
<< 3323504x900282的类型为的稀疏矩阵，具有119378243以压缩稀疏行格式存储的元素>
和y_train，它是列表的列表（长度为3323499）。每个成员有5个标签（最多）。因此，y_train看起来像这样：
[[['mysql'，'triggers']，['mercurial'，'rebase']，['c＃'，'.net']，...]
当我执行此代码时：
ovr_clf = OneVsRestClassifier(SVC(gamma="auto", random_state=42))
ovr_clf.fit(x_train, y_train)
我收到以下消息：
ValueError：您似乎正在使用旧的多标签数据表示。不再支持序列序列；用一个而是使用二进制数组或稀疏矩阵-MultiLabelBinarizer转换器可以转换为这种格式。
尝试执行MultiLabelBinarizer之后，如下所示：
mlb = MultiLabelBinarizer()
mlb.fit_transform(y_train)
我收到消息：
MemoryError Traceback（最近的呼叫最后）1毫升= MultiLabelBinarizer（）----> 2 mlb.fit_transform（y_train）
D：\ Anaconda3 \ lib \ site-packages \ sklearn \ preprocessing \ label.py在fit_transform（self，y）884885（如果不是self.sparse_output）-> 886码= yt.toarray（）887888 return yt
D：\ Anaconda3 \ lib \ site-packages \ scipy \ sparse \ compressed.py在toarray（自己，命令，输出）960如果out为None且order为None：961订单= self._swap（'cf'）[0]-> 962出= self._process_toarray_args（顺序，出）963（如果不是）（out.flags.c_contiguous或out.flags.f_contiguous）：964引发ValueError（'输出数组必须为C或F连续'）
D：\ Anaconda3 \ lib \ site-packages \ scipy \ sparse \ base.py在_process_toarray_args（self，order，out）1185返回1186否则：-> 1187返回np.zeros（self.shape，dtype = self.dtype，order = order）1188 1189
MemoryError：
我假设发生这种情况是因为它耗尽了内存。有一种方法可以部分执行此操作，这样我就不会用完内存？