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(5)

现在我们将研究如何减少该算法的运行时间。我们知道这个算法可以在一定程度上并行化，但是什么样的并行化才是合适的呢?它没有任何 IO 瓶颈，相反，它是一个非常 CPU 密集型的任务。所以多处理是合乎逻辑的选择。

幸运的是，sklearn 已经在这个算法中实现了多处理，我们不必从头开始编写它。正如你在下面的代码中看到的，我们只需要提供一个参数 n_jobs(它应该使用的进程数)来启用多处理。

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) 

所用时间：14.576200723648071 秒。

正如预期的那样，多处理使其速度更快。

大多数(如果不是所有的)数据科学项目将会发现并行计算能大幅提高计算速度。事实上，许多流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，在尝试自己实现它之前，请查看正在使用的库的文档，并检查它是否支持并行性。如果没有，本文将帮助你自己实现它。

本文转自雷锋网，如需转载请至雷锋网官网申请授权。

（编辑：ASP站长网）