我会回答，假设由于您想进行文本分类，您的特征是使用一些 TFIDF 特征提取技术创建的。下次，请指定您的功能的尺寸，而不仅仅是它们的存储。

根据文档（http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html），该对象有一个 coef_ 属性，用于存储模型的所有权重。由于对于文本，特征向量与您的词汇量差不多，它可能相当大，特别是如果您不使用词干提取预处理您的文本，或者您不删除停用词或不相关的词。

文档还说 coef_ 的大小是类数 * 特征数。因此，根据您拥有的功能和类的数量，这可能会很快变大。

这可以部分解释为什么物体如此之大。其他因素可能是 Python 经常在您训练后将预测存储在对象中，以便您可以快速访问它们，因此您需要向您的对象添加另外 600,000 个数字。而对于这个对象，它似乎也存储了置信度分数，也就是另外 600,000。