我有一个形状为100000, 56000的词袋（BoW）向量，我想使用scikit-learn的MultinomialNB进行分类任务。

MultinomialNB能接受稀疏矩阵来拟合数据吗？

由于内存错误，我无法将其转换为密集矩阵toarray()。如果朴素贝叶斯分类器不接受稀疏矩阵，有没有其他替代方案可以在不转换为密集矩阵的情况下拟合数据？

回答：

根据MultinomialNB.fit的文档（强调部分已标出）：

fit(X, y, sample_weight=None)

参数：

X : {类数组, 稀疏矩阵}，形状 = [n_samples, n_features]

训练向量，其中n_samples是样本数量，n_features是特征数量。