jupyter 可视化分析，pyLDAvis.sklearn报错

请教各位，在jupyter notebook中使用如下命令时，

import pyLDAvis
import pyLDAvis.sklearn
#在notebook中显示
pyLDAvis.enable_notebook()


panel = pyLDAvis.sklearn.prepare(best_lda_model, data_vectorized,vectorizer)

#best_lda_model:训练好的lda模型
#data_vectorized,:训练库语料的词语特征空间（即Tfidfvecterizer或CounterVecterizer）
#vectorizer:词语空间
panel

出现这样的报错：

TerminatedWorkerError: A worker process managed by the executor was unexpectedly terminated. This could be caused by a segmentation fault while calling the function or by an excessive memory usage causing the Operating System to kill the worker.

应该怎么解决呢

内存不足？资源耗尽？好像也碰到过，代码太长，优化一下，要么用--NotebookApp.max_buffer_size参数来增加内存限制，数据集过大，内存占用太多就会出现这种问题

【相关推荐】

• 这篇博客: 基于jupyter notebook的python编程-----运用sklearn库，导入文件数据模拟一元线性回归分析中的 基于jupyter notebook的python编程-----运用sklearn库，导入文件数据模拟一元线性回归分析 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
  一、运行jupyter notebook，搭建python环境
• • 1、打开Windows终端命令行，输入jupyter notebook，打开我们的jupyter工具，如下所示：
  • 2、在jupyter的web网页中创建python文件，如下所示：
  • 3、现在就可以在jupyter的代码行里面输入我们的代码啦！
• 二、以下列的csv文件为例，编写我们python代码的分解步骤
• • 1、导入我们需要的基本库
  • 2、导入我们数据文件[mytest.csv]
  • 3、为我们的x,y赋值采样
  • 4、下面就是运用sklearn库进行数据处理，求y=ax+b中的a和b
  • 5、输出打印我们求出的线性回归方程
  • 6、通过scatter画出拟合曲线图
• 三、python利用sklearn库分析回归方程的全部源码
• 四、[shift+enter]运行我们的代码
• • 1、运行结果如下图所示：
  • 2、可以看出，以上是我们通过python代码拟合的自变量X（体重）取值20个的线性回归方程，接下来我们通过wps的excel对同样的数据，同样的20个取值，与我们sklearn库的结果对比，如下图所示：
  • 3、给出自变量X取值200个和2000个的线性回归方程，大家可以自己修改x,y赋值来做！

上次博客，我们对于线性回归分析运用的是最小二乘法，这种方法是我们理解线性回归的基础，高中我们就学习过，所以可以根据这种方法来求解回归系数和截距，但作为大学生的我们来说，显然有更加简单的方法，不用我们自己写代码，只需要通过第三方库进行导入就ok，本次博客，林君学长将带大家了解，如何运用sklearn库来进行一元线性回归的分析

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^