Machine learning KNN分类器即使在gpu上也占用太多时间

我正在使用kaggle上的KNN对MNSIT数字进行分类，但在最后一步，它需要花费大量时间来执行，而且MNSIT数据突出了15 mb，我仍在等待。您能指出我代码中的任何问题吗？谢谢

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import os
print(os.listdir("../input"))
#Loading datset

train=pd.read_csv('../input/mnist_test.csv')

test=pd.read_csv('../input/mnist_train.csv')

X_train=train.drop('label',axis=1)

y_train=train['label']

X_test=test.drop('label',axis=1)

y_test=test['label']

from sklearn.neighbors import KNeighborsClassifier

clf=KNeighborsClassifier(n_neighbors=3)

clf.fit(X_train,y_train)

accuracy=clf.score(X_test,y_test)

accuracy

---

您的代码本身没有任何问题。KNN只是一个缓慢的算法，它对你来说较慢，因为计算图像之间的距离很难按比例计算，对你来说较慢，因为问题太大了，你的缓存不能真正有效地使用

无需使用不同的库或编写自己的GPU内核，通过替换

clf=KNeighborsClassifier(n_neighbors=3)

与

---

至少要使用所有核心。

代码本身没有任何问题。KNN只是一个缓慢的算法，它对你来说较慢，因为计算图像之间的距离很难按比例计算，对你来说较慢，因为问题太大了，你的缓存不能真正有效地使用

无需使用不同的库或编写自己的GPU内核，通过替换

clf=KNeighborsClassifier(n_neighbors=3)

与

---

至少要使用所有内核。

因为您实际上没有在kaggle上使用gpu。KNeighborsClassifier不支持gpu，因为您实际上没有在kaggle上使用gpu。KNeighborsClassifier不支持gpu

sklearn不使用gpu，这种方法通常非常慢，从tensorflow可以导入knn。tensorflow使用gpu，这可能会解决您的问题Sklearn不使用gpu，这是正常的，这种方法是超级慢的tensorflow您可以导入knn。tensorflow使用gpu，这可能会解决您的问题