tfidf上的scikit-learn NearestNeighbors .kneighbors（）给出ValueError：UPDATEIFCOPY基为只读

Question

我正在使用scikit-learn NearestNeighbors查找最近的邻居，并在人Wiki数据上使用tfidf。

在我的.kneighbors()方法调用中

res = neigh.kneighbors(obama_tfidf, return_distance=False)

一个Multiprocessing模块抛出以下异常：

ValueError: UPDATEIFCOPY base is read-only

我将完整的代码和示例数据（大小为80 MB）上传到了我的github位置，以供参考。

这是错误清单的一部分：

---------------------------------------------------------------------------
JoblibValueError                          Traceback (most recent call last)
<ipython-input-12-dbcbed49b042> in <module>()
      1 obama_word_counts = count_vectorizer.transform(['obama'])
      2 obama_tfidf = tfidf_transformer.transform(obama_word_counts)
----> 3 res = neigh.kneighbors(obama_tfidf, return_distance=False)
      4 print res

/usr/local/lib/python2.7/dist-packages/sklearn/neighbors/base.pyc in kneighbors(self, X, n_neighbors, return_distance)
    355             if self.effective_metric_ == 'euclidean':
    356                 dist = pairwise_distances(X, self._fit_X, 'euclidean',
--> 357                                           n_jobs=n_jobs, squared=True)
    358             else:
    359                 dist = pairwise_distances(

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/pairwise.pyc in pairwise_distances(X, Y, metric, n_jobs, **kwds)
   1245         func = partial(distance.cdist, metric=metric, **kwds)
   1246 
-> 1247     return _parallel_pairwise(X, Y, func, n_jobs, **kwds)
   1248 
   1249 

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/pairwise.pyc in _parallel_pairwise(X, Y, func, n_jobs, **kwds)
   1094     ret = Parallel(n_jobs=n_jobs, verbose=0)(
   1095         fd(X, Y[s], **kwds)
-> 1096         for s in gen_even_slices(Y.shape[0], n_jobs))
   1097 
   1098     return np.hstack(ret)

/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in __call__(self, iterable)
    787                 # consumption.
    788                 self._iterating = False
--> 789             self.retrieve()
    790             # Make sure that we get a last message telling us we are done
    791             elapsed_time = time.time() - self._start_time

/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in retrieve(self)
    738                     exception = exception_type(report)
    739 
--> 740                     raise exception
    741 
    742     def __call__(self, iterable):

JoblibValueError: JoblibValueError

我无法粘贴整个Multiprocessing异常，因为它超出了S / O发布限制。

我在这里想念什么？

Answer 1

当n_jobs等于-1时，作业数将设置为CPU内核数，如ref中所述。

当sklearn NN函数调用_parallel_pairwise() ，然后尝试获取偶数切片时，将发生错误。

尝试将n_jobs设置为偶数，这当然少于CPU内核数。

---

如您已经提到的，您可以使用等于1的n_jobs来运行它，它不会并行化代码，因此不会暴露错误。