Python机器学习手册：从数据预处理到深度学习

问题描述

加快模型选择的过程。

解决方案

设置n_jobs=-1，以使用所有的CPU核：

讨论

在本节的解决方案中，我们将候选模型的数量设置为一个较小值，以便代码可以快速执行完。然而，真实的任务中通常会有数千或数万个模型需要训练，寻找最佳模型的过程可能需要数小时。为了加快这个过程，scikit-learn允许同时训练多个模型。在不涉及太多技术细节的情况下，scikit-learn可以同时训练的模型数量等于机器的CPU核的数量。大多数现代笔记本电脑都有4个核，因此你可以同时训练4个模型（假设你目前使用的是笔记本电脑）。这将大大加快模型选择的速度。参数n_jobs定义了并行训练的模型数量。解决方案中将n_jobs设置为-1，表示scikit-learn将使用所有CPU核。然而默认情况下，n_jobs的值为1，表示只使用一个核。为了证明这一点，我们运行与解决方案相同的GridSearchCV，但是n_jobs=1，你可以看到寻找最佳模型所需的时间明显变长了（注意，确切的时间与你的计算机有关）：