Ошибка памяти Python для Kmeans в Scikit-Learn

Я бегу это Выбор количества кластеров пример scikit-learn в python, Пример получает несколько образцов с 2 функциями и находит лучшее k для kmeans кластеризация.

В моем случае у меня есть образцы с 3 функциями. они есть 3 dimensional coordinates в самом деле. Итак, в коде я просто изменяю вход для моих сэмплов, а остальное остается тем же. Количество моих выборочных точек очень велико, может быть, более 10000 баллов.

когда я вводил все свои данные, я получал ошибку памяти (у меня 16 ГБ ОЗУ, и все это было заполнено). Но когда я помещаю половину своих данных, это не выдает ошибку. Хотя ошибка показывает ipython notebook для функции силуэта, но я почти уверен, что это происходит в kmeans, и он не выполняет кластеризацию и внезапно переходит к этой ошибке.

С таким же количеством данных я сделал кластеризацию Kmeans в C++ и это было совершенно нормально и быстро без проблем.
Есть ли идеи, как я могу решить эту проблему?
это ошибка, которую я получил

         MemoryError              Traceback (most recent call last)
<ipython-input-4-ed4b060ccea1> in <module>()
41     # This gives a perspective into the density and separation of the formed
42     # clusters
---> 43     silhouette_avg = silhouette_score(X, cluster_labels)
44     print("For n_clusters =", n_clusters,
45           "The average silhouette_score is :", silhouette_avg)

/usr/lib64/python2.7/site-packages/sklearn/metrics/cluster/unsupervised.pyc in silhouette_score(X, labels, metric, sample_size, random_state, **kwds)
82         else:
83             X, labels = X[indices], labels[indices]
---> 84     return np.mean(silhouette_samples(X, labels, metric=metric, **kwds))
85
86

/usr/lib64/python2.7/site-packages/sklearn/metrics/cluster/unsupervised.pyc in silhouette_samples(X, labels, metric, **kwds)
141
142     """--> 143     distances = pairwise_distances(X, metric=metric, **kwds)
144     n = labels.shape[0]
145     A = np.array([_intra_cluster_distance(distances[i], labels, i)

/usr/lib64/python2.7/site-packages/sklearn/metrics/pairwise.pyc in pairwise_distances(X, Y, metric, n_jobs, **kwds)
649         func = pairwise_distance_functions[metric]
650         if n_jobs == 1:
--> 651             return func(X, Y, **kwds)
652         else:
653             return _parallel_pairwise(X, Y, func, n_jobs, **kwds)

/usr/lib64/python2.7/site-packages/sklearn/metrics/pairwise.pyc in euclidean_distances(X, Y, Y_norm_squared, squared)
181         distances.flat[::distances.shape[0] + 1] = 0.0
182
--> 183     return distances if squared else np.sqrt(distances)
184
185

MemoryError: