我一直在使用sklearn的模型（SVM，Logistic回归，MLP，......），直到昨天我没有任何问题，但我不知道为什么，目前，当我尝试安装模型时，这需要花费大量时间。
例如，对于具有6个特征的551个样本，尝试使用多项式内核拟合支持向量机并改变参数：
C = 1.00度= 2.00 Coef = 3.000 Gamma = 0.75 357.194秒
from sklearn import svm
for C in C_values:
for degree in degree_values:
for coef in coef_values:
for gamma in gamma_values:
print('C = {0:.2f} Degree = {1:.2f} Coef = {2:.3f} Gamma = {3:.2f} '.format(C,degree,coef,gamma))
clf = svm.SVC(C = C, degree = degree, gamma = gamma, coef0 = coef, kernel = 'poly', decision_function_shape = decision_function_shape )
time_i = time()
clf.fit(X_train, Y_train)
time_f = time()
print('str(time_f - time_i) '+'seconds')
我从昨天到今天都没有做任何改变，我认为用550个样本和6个特征来模拟5分钟是夸张的。
什么可以产生这种增加的时间？
由于
修改：
我一直尝试使用random_state参数不同的时间，结果类似：