Python 与R相比,sklearn svm gridsearch速度较慢
我正在使用python中的标准数据集,并试图找到SVR的最佳模型/超参数 然而,事实证明这需要很长的时间,甚至在几个小时后也没有结束 我在R中使用相同的数据集执行了相同的任务,几分钟后它完成了调优。 有人知道为什么吗Python 与R相比,sklearn svm gridsearch速度较慢,python,r,machine-learning,scikit-learn,svm,Python,R,Machine Learning,Scikit Learn,Svm,我正在使用python中的标准数据集,并试图找到SVR的最佳模型/超参数 然而,事实证明这需要很长的时间,甚至在几个小时后也没有结束 我在R中使用相同的数据集执行了相同的任务,几分钟后它完成了调优。 有人知道为什么吗 boston=datasets.load_boston() data = pd.DataFrame(boston.data,columns=boston.feature_names).drop("CHAS",1) data["medv"]
boston=datasets.load_boston()
data = pd.DataFrame(boston.data,columns=boston.feature_names).drop("CHAS",1)
data["medv"] = boston.target
train_feature, test_feature, train_target, test_target = train_test_split(
data.drop("medv",1), data["medv"],
test_size = 0.30, random_state = 101)
r = [1e-04 ,1e-03 ,1e-02 ,1e-01,1e01, 1e+02 ,1e03 ,1e04]
parameters = {'kernel': ('linear', 'rbf','poly'), 'C':r,'gamma': r}
svr = SVR()
clf = GridSearchCV(svr, parameters)
clf.fit(train_feature,train_target)
clf.best_params_
不看你的R码我们怎么判断