Python 在sklearn管道中的哪里设置n_作业'；Can'；t pickle<；功能<；lambda>；错误'；

试图找出如何通过n_jobs=-1参数和交叉验证并行化我的Sklearn管道。。。尝试了几个不同的步骤，但出现了pickle错误

• n_jobs=-1在FeatureUnion中
• n_作业在分类器中=-1
• n_jobs=-1在cv k倍中

print（'sklearn version=>{}.format（sk.\uuuuuu version\uuuuuu））
sklearn版本=>0.18.1
管道=管道([\
（'unionPipeLines'，FeatureUnion(\
变压器列表=[\
（“功能1”，管道([\
（'con_功能'，处理数量数据）\
（'scales'，StandardScaler（））\
])),\
（“功能2”，管道([\
（“cat_功能”，处理cat_数据）\
])),\
]，n_jobs=-1\
)),\
（'algs'，RandomForestClassifier（n_jobs=-1）））
skf=层状褶皱（n_分裂=4\
随机状态=11\
洗牌=真）
cv_模型=随机搜索cv（管道\
参数分布=网格\
n_iter=n\
cv=skf\
n_作业=-1）
cv_模型拟合（X_系列、y_系列）
PicklingError:无法pickle:在_main上查找属性失败

• 如何确认是否正在使用磁芯
• 正确的n_作业放置在哪里，以便管道在过程中使用多个核
• 为什么我会犯这个错误

print('The sklearn version => {}'.format(sk.__version__))
The sklearn version => 0.18.1

pipeline = Pipeline([\
        ('unionPipeLines', FeatureUnion(\
            transformer_list = [\
                ('features1', Pipeline([\
                    ('con_features', process_num_data),\
                    ('scales', StandardScaler())\
                ])),\
                ('features2', Pipeline([\
                    ('cat_features', process_cat_data)\
                ])),\
                              ], n_jobs=-1\
                )),\
                ('algs', RandomForestClassifier(n_jobs=-1))])

skf = StratifiedKFold(n_splits=4,\
    random_state=11,\
    shuffle=True)

cv_model = RandomizedSearchCV(pipeline,\
                              param_distributions=grid,\
                              n_iter=n,\
                              cv=skf,\
                  n_jobs=-1)

cv_model.fit(X_train, y_train)

PicklingError: Can't pickle <function <lambda> at 0x7f5620809158>: attribute lookup <lambda> on __main__ failed