更新： 最后，我选择用于对大型数据集进行聚类的解决方案是下面的Anony-
Mousse建议的一种。也就是说，使用ELKI的DBSCAN隐式方法进行集群，而不是scikit-
learn。它可以从命令行运行，并带有适当的索引编制，可以在几个小时内执行此任务。使用GUI和小型样本数据集找出您要使用的选项，然后前往城镇。值得一看。任何人，请继续阅读以获取对我的原始问题的描述和一些有趣的讨论。

我有一个约250万个样本的数据集，每个样本都具有我要聚类的35个特征（浮点值）。我一直在尝试使用scikit-
learn的DBSCAN实现，使用曼哈顿距离度量和从数据中抽取的一些小型随机样本估算的epsilon值。到现在为止还挺好。（以下是代码段，仅供参考）

db = DBSCAN(eps=40, min_samples=10, metric='cityblock').fit(mydata)

目前，我的问题是我很容易耗尽内存。（我目前正在使用具有16 GB RAM的计算机）

我的问题是，DBSCAN是否正在运行时实时计算成对距离矩阵，这就是我的记忆不足吗？（250万^ 2）*
8个字节显然是非常大的，我会理解的。我不应该使用该fit()方法吗？更一般而言，是否有解决此问题的方法，还是我通常在这里吠叫错误的树？

如果答案很明显很抱歉。我已经为此困惑了几天。谢谢！

附录：此外，如果任何人都可以解释之间的差异fit(X)和fit_predict(X)对我来说更明确地我也很感激-我怕我只是不太明白这一点。

附录2：可以肯定的是，我只是在具有约550 GB
RAM的计算机上尝试了此方法，但它仍然被炸毁，所以我觉得DBSCAN可能试图建立成对的距离矩阵或我显然不想要的东西去做。我想现在最大的问题是如何停止这种行为，或者找到其他更适合我需要的方法。感谢您在这里与我保持联系。

附录＃3（！）：我忘记附加回溯了，就在这里，

Traceback (most recent call last):
  File "tDBSCAN.py", line 34, in <module>
    db = DBSCAN(eps=float(sys.argv[2]), min_samples=10, metric='cityblock').fit(mydata)
  File "/home/jtownsend/.local/lib/python2.6/site-packages/sklearn/base.py", line 329, in fit_predict
    self.fit(X)
  File "/home/jtownsend/.local/lib/python2.6/site-packages/sklearn/cluster/dbscan_.py", line 186, in fit
    **self.get_params())
  File "/home/jtownsend/.local/lib/python2.6/site-packages/sklearn/cluster/dbscan_.py", line 69, in dbscan
    D = pairwise_distances(X, metric=metric)
  File "/home/jtownsend/.local/lib/python2.6/site-packages/sklearn/metrics/pairwise.py", line 651, in pairwise_distances
    return func(X, Y, **kwds)
  File "/home/jtownsend/.local/lib/python2.6/site-packages/sklearn/metrics/pairwise.py", line 237, in manhattan_distances
    D = np.abs(X[:, np.newaxis, :] - Y[np.newaxis, :, :])
MemoryError