我正在运行一个相对较大的工作，其中涉及对数据集进行随机网格搜索，该数据集（使用小的n_iter_search）已经花费很长时间 .
我'm running it on a 64 core machine, and for about 2 hours it kept 2000 threads active working on the first folds. It then stopped reporting completely into the stdout. It'的最后一次报道是： [Parallel(n_jobs=-1)]: Done 4 out of 60 | elapsed: 84.7min remaining: 1185.8min
我注意到htop几乎所有核心都是0％，这在训练随机森林时不会发生 . 没有来自该计划的反馈或错误，如果不是htop，我会认为它仍在训练中 . 这种情况以前发生过，所以这是一个反复出现的问题 . 机器完全响应，过程似乎还活着 .
我已经有了详细信息= 10.有关如何诊断RandomizedSearchCV中的内容的任何想法？
我正在做的网格搜索：
rfc = RandomForestClassifier（n_jobs = -1）param_grid = {'n_estimators'：sp_randint（100,5000），'max_features'：['auto'，None]，'min_samples_split'：sp_randint（2,6）} n_iter_search = 20 CV_rfc = RandomizedSearchCV（estimator = rfc，param_distributions = param_grid，n_iter = n_iter_search，verbose = 10，n_jobs = -1）
1 回答
作为第一步，将
verbose参数添加到RandomForestClassifier也可以让您查看搜索是否真的卡住了 . 它将显示拟合树木的进度（building tree 88 out of 100...） .我真的不知道为什么你的搜索卡住了，但考虑到删除
n_estimators上的搜索应该使你能够在8次迭代中网格搜索你在这里指定的参数的整个空间 .