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

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