我有[66K，56K]大小（行，列）的CSV文件。 它是一个稀疏矩阵。 我知道numpy的可以处理该尺寸的矩阵。 我想知道，根据每个人的经验，有多少功能scikit学习算法可以从容应付？
Answer 1:
取决于估计。 在这种规模，线性模型仍然表现良好，而支持向量机可能会永远采取列车（而忘记了随机森林，因为他们不会处理稀疏矩阵）。
我个人使用LinearSVC ， LogisticRegression和SGDClassifier与尺寸大致300K×330万的稀疏矩阵没有任何麻烦。 见@ amueller的scikit学习小抄为选择合适的估计手头的工作。
披露：我是一个scikit学习的核心开发人员。
Answer 2:
有些线性模型（回归，SGD，贝叶斯）可能会是你最好的选择，如果你需要经常训练模型。
虽然你去跑步任何模型之前，你可以尝试以下方法
1）特性降低。 在你的数据有特点，可以很容易地被删除？ 例如，如果你的数据是基于文本或评级有很多知名可供选择。
2）学习曲线分析。 也许你只需要你的数据来训练模型的一小部分，在那之后你只安装到您的数据或获取精度的微小增加。
这两种方法都可以让你大大减少所需的训练数据。
文章来源: How many features can scikit-learn handle?
