我有一个模型，我正在尝试使用LogisticRegression中的sklearn构建，它有几千个特性和大约60000个样本。我正在试着适应这个模型，它已经运行了大约10分钟了。我运行它的机器有千兆字节的RAM和几个内核，我想知道是否有任何方法可以加快进程。
编辑
这台机器有24个内核，这里是Top的输出，以提供内存概念。
Processes: 94 total, 8 running, 3 stuck, 83 sleeping, 583 threads 20:10:19
Load Avg: 1.49, 1.25, 1.19 CPU usage: 4.34% user, 0.68% sys, 94.96% idle
SharedLibs: 1552K resident, 0B data, 0B linkedit.
MemRegions: 51959 total, 53G resident, 46M private, 676M shared.
PhysMem: 3804M wired, 57G active, 1042M inactive, 62G used, 34G free.
VM: 350G vsize, 1092M framework vsize, 52556024(0) pageins, 85585722(0) pageouts
Networks: packets: 172806918/25G in, 27748484/7668M out.
Disks: 14763149/306G read, 26390627/1017G written.
我想用以下方法来训练这个模型
classifier = LogisticRegression(C=1.0, class_weight = 'auto')
classifier.fit(train, response)
train有大约3000长的行（所有浮点），response中的每一行都是0或1。我有大约50000个观察结果 最佳答案
更新-2017年：
在当前版本的SciKit Learn中，LogisticRegression()现在有n_jobs参数来使用多个内核。
然而，《用户指南》的实际文本表明，在计算的后半部分仍然只使用多个内核。截至本次更新，修订后的用户指南现在指出，LogisticRegression选择“交叉验证循环中使用的CPU核心数”，而原始响应中引用的其他两个项目，njobs和RandomForestClassifier()都表示，RandomForestRegressor()指定“为两个匹配并行运行的作业数”并预测”。换言之，本文中措辞的故意对比似乎指出，虽然现在已经实现了，但实际上并不像其他两种情况那样完全或以相同的方式实现了njobs中的参数。
因此，虽然现在可以通过使用多个内核来稍微加快njobs的速度，但我的猜测是，它可能不会与使用的内核数量成很好的线性关系，因为听起来像初始“拟合”步骤（算法的前半部分）可能不适合并行化。
原始答案：
在我看来，这里的主要问题不是记忆，而是你只使用了一个核心。根据Top，您将以4.34%的速度加载系统。如果您的逻辑回归过程是独占24个核心中的1个，则得出100/24=4.167%。大概剩下的0.17%占了您在机器上运行的任何其他进程的0.17%，并且允许它们额外占用0.17%，因为系统正在安排它们在第二个不同的核心上并行运行。
如果您按照下面的链接并查看SciKit学习API，您将看到一些集成方法（如LogisticRegression()或LogisticRegression()有一个名为RandomForestClassifier()的输入参数，该参数直接控制包将尝试并行运行的核心数。您使用的类，RandomForestRegressor()没有定义此输入。SciKit Learn的设计者似乎已经创建了一个接口，它通常在类之间非常一致，因此如果没有为给定的类定义特定的输入参数，这可能意味着开发人员无法找到一种方法来实现有意义的选项。去上课吧。可能是逻辑回归算法本身不适合并行化；也就是说，可能实现的潜力speedup不够好，无法用并行架构实现。
假设是这样的话，那么不，没有太多的事情可以让代码运行得更快。如果基础库函数的设计不能充分利用它们，那么24核对您没有帮助。
关于python - 加快sklearn逻辑回归，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/20894671/