大佬教程收集整理的这篇文章主要介绍了每当我使用拟合模型摘要时，计算机都会冻结，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我正在为学校项目进行逻辑回归。在我训练数据并尝试执行拟合模型摘要后，特别是
fitted_model = linear_regression.fit()
只是运行，运行，运行，直到浏览器冻结。我已经让它运行了二十分钟。在我看来，数据并不是那么大，因为它只有 10,000 行数据（同样，我是学生，所以如果我错了，请纠正我）。也就是说，我在许多列上使用了 getdummIEs，目前有 18,000 列。但是，我看到了这个线程，如果我没有正确阅读它，它应该仍然可以正常运行 (How many features can scikit-learn handle?) ] 在我从头开始之前有什么建议吗？
以下是更多代码，以防万一。
from sklearn.linear_model import LogisticRegression
logreg=LogisticRegression()
logreg.fit(X_Train,y_Train)
y_hat_Train=logreg.preDict(X_Train)
y_hat_test = logreg.preDict(X_test)
from sklearn.metrics import classification_report
print(classification_report(y_test,y_hat_test))
import statsmodels.API as sm
import statsmodels.formula.API as smf
Xc = sm.add_constant(X_Train)
linear_regression = sm.olS(y_Train,XC)
fitted_model = linear_regression.fit()
fitted_model.sumMary()
尝试减少您拥有的样本数量，看看您拥有的代码是否仍在运行，以及需要多长时间。把它放在你的代码片段之前应该可以工作：
n_Train = 100
n_test = 10
X_Train = X_Train[:n_Train]
y_Train = y_Train[:n_Train]
X_test = X_test[:n_test]
y_test = y_test[:n_test]
顺便提一下，听起来您的数据太多了。根据每个数据点的特征数量，10000 个数据点 >20 分钟可能是合理的。如果每个数据点有 1 个特征，那么您只有 10000 个数字，这并不多；但是如果每个点有 1000 个特征，那么你就有 10000*1000 个数据点——这是另一回事。
以上是大佬教程为你收集整理的每当我使用拟合模型摘要时，计算机都会冻结全部内容，希望文章能够帮你解决每当我使用拟合模型摘要时，计算机都会冻结所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。