Python 在一个巨大的数据集上运行gridsearchcv有什么推荐的策略吗？

我试图在一个大约30万条记录的巨大数据集上评估svm。这是一个具有23个特性的多类问题。目前，gridsearchcv迭代参数需要很长时间。有没有加快这一进程的策略？我猜.300万条记录是一个合理的数字，我很困惑CPU使用率没有超过30%，RAM使用率被限制在50%。 我将n_作业设置为-1，并按照文档中的建议将pre_dispatch=1。没有什么变化。根据我的输入，我预计总共需要24次迭代。这是我的示例代码

from sklearn.multiclass import OneVsRestClassifier
from sklearn.grid_search import GridSearchCV
from sklearn import svm
model_to_set = OneVsRestClassifier(svm.SVC())

parameters = {
    "estimator__C": [1,2,4,8],
    "estimator__kernel": ["poly","rbf","linear"],
    "estimator__degree":[1, 2, 3, 4],
}

model_tunning = GridSearchCV(model_to_set, param_grid=parameters,n_jobs=-1,pre_dispatch=1,
                             scoring='f1')

model_tunning.fit(mat[1:23], mat[0])

---

非常感谢您的帮助。

“CPU使用率没有超过30%”-您的Python进程是否使用多个内核？是的，n_jobs=-1不会处理这个问题吗？或者我还需要为此做些什么？在进程运行时，您是否实际观察了您的CPU利用率，例如使用

htop

？某些模块可能会干扰CPU相关性（例如）。当我使用随机林分类器运行相同的代码时，我的利用率会达到~100%，正如我在任务管理器中看到的那样，因此我所关注的位置应该不是问题。