使用sklearn.cluster.KMeans（python + py2exe）時減少dist目錄大小

Question

將python腳本轉換為可執行文件時，我遇到了一些麻煩。 它的大小太大，我無法分發給我的客戶。

好吧，問題是我只使用了一些sklearn代碼，它導致我的分發目錄中總共240 MB。 我知道這不是因為我只使用了一件我不需要其他東西的東西。 但我正在尋找一種方法來減小這個大小，甚至可以替代KMeans類，使用更輕量級的python機器學習包。

如果需要，使用此功能的代碼部分是：

from sklearn.cluster import KMeans
...
# clus is just hanging an object instance of KMeans
clus = KMeans(n_clusters = _numBlocks, random_state = 1, n_jobs = 1)
# and here, I just call its method
_hourmap = clus.fit_predict(Load2Clus)
...

Answer 1

好的kmeans是一個非常簡單的算法，只是你認識的sklearn一小部分。 如果你受到內存限制，我會避免使用sklearn ，這是你使用的整個軟件包的唯一部分。 您也可能不需要numpy ， scipy和其他可能的包，除非您在代碼中的其他位置使用它們。

你的選擇是：

• 在Python中實現您自己的K-means版本。
• 使用這里的簡單kmeans包，它包含了KMeans的C實現。
• 使用您已經確定的不同輕量級包裝。

這里給出了減少庫存檔大小的其他考慮事項，包括：

• 排除各種外部庫
• 排除標准庫的部分內容
• 壓縮存檔

哪種方式最適合您，取決於您的計划。