机器学习时数据量太大,不能一次性装进内存该怎么办（1）压缩数据量。提前对数据进行预处理，将每条样本使用编码进行压缩存储（结合hash还可进一步减少内存占用），随后的分析过程中直接读取压缩文件再逐个还原并处理即可，这样可以使得读入内存的数据量变小，减少内存占用。
（2）采用大数据计算框架。如果数据量太大（百G或者T级别），压缩可能已经不是较好的解决方案了（处理速度过慢），这时候可以采取hadoop等框架，利用map-reduce的计算模型调用大量计算能力进行处理（如果你没有大量计算力且数据非涉密，可以考虑各大云服务厂商提供的计算能力），现在的计算框架已经支持了多种语言来实现mr计算模型，使用起来也是十分的方便。
如果觉得有所启发就请点个赞吧