用qhull/SciPy计算大型数据集凸壳时的问题

Question

我开始尝试使用scipy.spatial.ConvexHull函数，该函数（如果我理解正确的话）是qhullC库的包装器。我在Python3中使用scipy0.19.1。在

我第一次使用的是一个真实世界的数据集，它在21个维度中有700个点，并且scipy.spatial.ConvexHull崩溃，错误是：scipy.spatial.qhull.QhullError: QH6235 qhull error (qh_memalloc): negative request size (-2003053336). Did int overflow due to high-D?。在

使用以下Python3示例代码尝试了几次之后：

import numpy as np
X = np.random.randn(40,21)
print("Computing convex hull of X (shape: " + str(X.shape) + ")...")
from scipy.spatial import ConvexHull
hull = ConvexHull(X)

我设法把问题缩小到维度。在21个维度上随机生成39个点，它可以工作。有了40分，有时会崩溃，有时会成功。我不确定，但似乎有内存分配错误？在

1. 有没有办法避免记忆问题？对于凸壳算法来说700点太多了吗？在
2. 浏览一下Google的搜索结果，我注意到有一些算法可以计算凸壳的近似值。你推荐他们吗？他们能在我的情况下工作吗？其中一些已经有了Python实现吗？在
3. 可能我想计算高维空间的凸壳，高达100000维。这是疯了，还是可以用理智的方式来做？在