想提高计算速度？作为数据科学家你应该知道这些Python多线程、进程知识

此刻我们将研究怎样镌汰该算法的运行时刻。我们知道这个算法可以在必然水平上并行化，可是什么样的并行化才是吻合的呢?它没有任何 IO 瓶颈，相反，它是一个很是 CPU 麋集型的使命。以是多处理赏罚是合乎逻辑的选择。

荣幸的是，sklearn 已经在这个算法中实现了多处理赏罚，我们不必从新开始编写它。正如你在下面的代码中看到的，我们只必要提供一个参数 n_jobs(它应该行使的历程数)来启用多处理赏罚。

from sklearn.ensemble import RandomForestClassifier  
from sklearn import datasets  
import time 
 
X, y = datasets.make_classification(n_samples=10000, n_features=50, n_informative=20, n_classes=10) 
 
 
start = time.time()  
model = RandomForestClassifier(n_estimators=500, n_jobs=4)  
model.fit(X, y)  
print('Time:', time.time()-start) 

所用时刻：14.576200723648071 秒。

正如预期的那样，多处理赏罚使其速率更快。

大大都(假如不是全部的)数据科学项目将会发明并行计较能大幅进步计较速率。究竟上，很多风行的数据科学库已经内置了并行性，你只需启用它即可。因此，在实行本身实现它之前，请查察正在行使的库的文档，并搜查它是否支持并行性。假如没有，本文将辅佐你本身实现它。

本文转自雷锋网，如需转载请至雷锋网官网申请授权。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!