问具有大数据集的机器学习-Issues

EN

我正在尝试将机器学习应用于Kaggle.com数据集。我的数据集的维度是244768 x 34756。现在，在这种规模下，所有的scikit算法都不起作用。

我想我会应用PCA，但即使这样也不能扩展到这个数据集。

有什么方法可以减少我的训练数据集中的冗余数据吗？我可以通过应用PCA来降维，但如果我可以应用PCA。

由于我正在进行文档分类，因此通过减小单词向量大小，我将数据集重新采样为244768*5672。即使是这个数据集，PCA也不能应用。

我可以通过这种方法来应用PCA吗？假设我的矩阵是A-X=A。T*A pca (X ) (X变成5672 x 5672矩阵)，这会给我错误的答案吗？

另外，当我应用逻辑回归时，我是否可以增量地训练模型，.ie

如果A= 10000 x 500，我是否可以取logistic.fit(A)，然后对其他行执行相同的操作？这种训练是错误的吗？