Machine Learning avec Scikit-Learn

216

Chapitre 8. Réduction de dimension

for X_batch in np.array_split(X_train, n_batches):

inc_pca.partial_fit(X_batch)

X_reduced = inc_pca.transform(X_train)

Une autre solution consiste à utiliser la classe memmap de NumPy qui vous permet

de manipuler un tableau de grande dimension enregistré dans un chier binaire sur

disque comme s’il était entièrement en mémoire: cette classe ne charge en mémoire

que les données dont elle a besoin, lorsqu’elle en a besoin. Étant donné que la classe

IncrementalPCA n’utilise jamais qu’une petite partie du tableau à un instant

donné, l’utilisation mémoire reste donc sous contrôle. Ceci permet donc d’appeler la ...