Unable to allocate 191. GiB for an array with shape (160001, 160001) and data type float64

当遇到`Unable to allocate 191. GiB for an array with shape (160001, 160001) and data type float64`这样的错误时，意味着你的程序试图创建一个非常大的浮点数数组，其大小超过了可用内存。在这种情况下，由于内存限制，surprise库无法分配足够的空间来存储160001x160001的双精度(float64)浮点数矩阵。

解决这个问题的方法通常包括以下几点：

1. **数据预处理**：尝试减少数据集的维度或者规模，比如只使用部分样本进行训练，或者降低特征数量。这可能通过降维技术（如PCA）或选择更具代表性的特征实现。

2. **使用较小的数据类型**：既然精度不是关键需求，可以考虑使用单精度(float32)数据类型，它占用的空间大约只有double的一半。但是需要注意，这可能导致一些计算结果的小范围误差。

   from surprise import Reader, Dataset
   reader = Reader(data_type=np.float32)
   dataset = Dataset.load_from_df(your_dataframe, reader)
   algo.fit(dataset.build_full_trainset())

3. **分批处理**：如果数据太大不能一次性加载到内存，可以采用分批或流式处理的方式训练模型。

4. **使用分布式计算**：如果资源允许，可以考虑使用分布式计算框架，如Apache Spark或Dask，它们能更好地管理大规模数据的内存使用。

5. **增加硬件资源**：升级服务器的内存，但这可能不是一个长期可行的解决方案，特别是对于频繁遇到这种问题的情况。

记得，在尝试这些策略之前，先评估它们对预测性能的影响，因为使用较低精度可能会牺牲一定的预测准确性。