Я работаю над приведенным ниже сценарием для классификации случайных лесов и сталкиваюсь с некоторыми проблемами, связанными с производительностью рандомизированного поиска - это занимает очень много времени, и мне интересно, если я что-то делаю неправильноили что-то, что я мог бы сделать лучше, чтобы сделать это быстрее.
Кто-нибудь мог бы предложить улучшение скорости / производительности, которое я мог бы сделать?
Заранее спасибо!
forest_start_time = time.time()
model = RandomForestClassifier()
param_grid = {
'bootstrap': [True, False],
'max_depth': [80, 90, 100, 110],
'max_features': [2, 3],
'min_samples_leaf': [3, 4, 5],
'min_samples_split': [8, 10, 12],
'n_estimators': [200, 300, 500, 1000]
}
bestforest = RandomizedSearchCV(estimator = model,
param_distributions = param_grid,
cv = 3, n_iter = 10,
n_jobs = available_processor_count)
bestforest.fit(train_features, train_labels.ravel())
forest_score = bestforest.score(test_features, test_labels.ravel())
print(forest_score)
forest_end_time = time.time()
forest_duration = forest_start_time-forest_end_time