Scikit learn sklearn.linear_model.SGDClassizer使用对数损失函数运行时间很长

我正在尝试复制已完成的工作：

本项目的目标是建立一个逻辑机器学习模型来预测投资失败与否的概率

代码的sklearn部分如下所示：

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import Imputer, StandardScaler
from sklearn.model_selection import GridSearchCV
from sklearn.linear_model import SGDClassifier

pipeline_sgdlogreg = Pipeline([
    ('imputer', Imputer(copy=False)), # Mean imputation by default
    ('scaler', StandardScaler(copy=False)),
    ('model', SGDClassifier(loss='log', max_iter=1000, tol=1e-3, random_state=1, warm_start=True))
])


param_grid_sgdlogreg = {
    'model__alpha': [10**-5, 10**-2, 10**1],
    'model__penalty': ['l1', 'l2']
}

grid_sgdlogreg = GridSearchCV(estimator=pipeline_sgdlogreg, param_grid=param_grid_sgdlogreg, 
                              scoring='roc_auc', n_jobs=-1, pre_dispatch='2*n_jobs', cv=5, 
                              verbose=1, return_train_score=False)
grid_sgdlogreg.fit(X_train, y_train)

GridSearchCV(cv=5, error_score='raise',
       estimator=Pipeline(memory=None,
       steps=[('imputer', Imputer(axis=0, copy=False, missing_values='NaN', strategy='mean', verbose=0)), 
              ('scaler', StandardScaler(copy=False, with_mean=True, with_std=True)), 
              ('model', SGDClassifier(alpha=0.0001, average=False, class_weight=None, epsilon=0.1,
       penalty='l2', power_t=0.5, random_state=1, shuffle=True,
       tol=0.001, verbose=0, warm_start=True))]),
       fit_params=None, iid=True, n_jobs=-1,
       param_grid={'model__alpha': [1e-05, 0.01, 10], 'model__penalty': ['l1', 'l2']},
       pre_dispatch='2*n_jobs', refit=True, return_train_score=False,
       scoring='roc_auc', verbose=1)
grid_sgdlogreg.best_score_
grid_sgdlogreg.best_params_

我在训练集中有大约200000行数据。初始运行在6小时后未产生任何结果或消息

将我的训练集减少到100行，模型运行大约9秒。200行似乎没完没了

在我试图复制的python笔记本示例中，训练集有730000行，运行只需3.3分钟

我在一个具有16 gb内存的8核i7上并行运行

---

我猜我需要对数据进行额外的预处理，但不知道从哪里开始。我应该在我的数据中查找哪些可能导致此问题的内容？

我认为将

sgdclassizer

的

max\u iter

参数值减少到

（10,30）

范围内的某个地方可能是一个很好的选择，因为您有足够大的数据集来进行二进制分类，您不必进行1000次迭代

我认为将

sgdclassizer

的

max_iter

param值减少到

（10,30）

范围内的某个地方可能是一个很好的尝试选择，因为您有一个足够大的数据集用于二进制分类，您不必进行1000次迭代