使用 sklearn 并行训练多个模型？

Question

我想训练多个具有不同随机状态的 LinearSVC 模型，但我更喜欢并行进行。 sklearn中是否有支持这一点的机制？我知道 Gridsearch 或某些集成方法正在隐式执行，但幕后的东西是什么？

Answer 1

引擎盖下的“东西”是库joblib，它支持例如GridSearchCV 中的多处理和一些集成方法。 Parallel helper 类是一把非常方便的瑞士刀，用于尴尬地并行 for 循环。

这是一个使用 joblib 与 4 个进程并行训练具有不同随机状态的多个 LinearSVC 模型的示例：

from joblib import Parallel, delayed
from sklearn.svm import LinearSVC
import numpy as np

def train_model(X, y, seed):
    model = LinearSVC(random_state=seed)
    return model.fit(X, y)

X = np.array([[1,2,3],[4,5,6]])
y = np.array([0, 1])
result = Parallel(n_jobs=4)(delayed(train_model)(X, y, seed) for seed in range(10))
# result is a list of 10 models trained using different seeds