Parallel processing Scikit学习使用嵌套并行进行分布式Dask？

例如，假设我有以下代码：

vectorizer = CountVectorizer(input=u'filename', decode_error=u'replace')
classifier = OneVsRestClassifier(LinearSVC())
pipeline = Pipeline([
('vect', vectorizer),
('clf', classifier)])

 with parallel_backend('distributed',    scheduler_host=host_port):
    scores = cross_val_score(pipeline, X, y, cv=10)

如果我执行这段代码，我可以在dask webview（通过Bokeh）中看到创建了10个任务（每个折叠1个）。但是，如果我执行：

（我知道X和y应该分为训练和测试，但这只是为了测试目的）

我可以看到为每个y类创建一个任务（在我的例子中是20个）。有没有一种方法可以让交叉值与基础的OneVsRestClassifier并行运行？还是原始代码

with parallel_backend('distributed', scheduler_host=host_port):
    scores = cross_val_score(pipeline, X, y, cv=10)

---

并行运行OneVsRestClassifier以及并行运行cross_val_分数，但我没有看到它？我是否必须使用dask distributed手动实现此功能？

joblib的并行后端设计目前过于有限，无法处理嵌套的并行调用。此问题可在此处跟踪：

我们还需要扩展joblib的分布式后端以使用它

with parallel_backend('distributed', scheduler_host=host_port):
    scores = cross_val_score(pipeline, X, y, cv=10)