文本快速分类利器fasttext使用心得（踩坑之路）

fasttext是文本分类的一大利器，优点：快，嗷嗷快；缺点：暂未发现。但是我在使用其做文本分类时候还是遇到了挺多坑，今天先总结一个：

网上有人说设置训练参数的时候，ngrams设置大于2可以提高模型的精确度，打算试试，然而设置之后系统直接显示：

floating point exception(core dumped)

解决方案，网上csdn上一堆，看不懂，直接google了，有人提出了下述解决方案，其实就是训练模型时候多写个bucket参数，然后设置为2000000，就行了，这里我rpoch和lr都没有写，按照系统默认了，然后就训练ok了。

After experimenting with arguments I've found that specifying number of bucket explicitly, default is 2000000, prevents the error.

classifier = fasttext.supervised('train.txt',
                                 'model',
                                 label_prefix='__label__',
                                 epoch=25,
                                 lr=0.1,
                                 word_ngrams=2,
                                 bucket= 2000000)