我有一个维度为(40000, 21)的稀疏数据集。我正在尝试使用xgboost为它构建分类模型。不幸的是它很慢，它永远不会终止我。但是，在相同的数据集上，scikit-learn的RandomForestClassifer大约需要1秒钟。这是我正在使用的代码：
from xgboost import XGBClassifier
from sklearn.ensemble import RandomForestClassifier
[...]
t0 = time()
rf = RandomForestClassifier(n_jobs=-1)
rf.fit(trainX, trainY)
print("RF score", rf.score(testX, testY))
print("Time to fit and score random forest", time()-t0)
t0 = time()
clf = XGBClassifier(n_jobs=-1)
clf.fit(trainX, trainY, verbose=True)
print(clf.score(testX, testY))
print("Time taken to fit and score xgboost", time()-t0)
显示trainX的类型：
print(repr(trainX))
<40000x21 sparse matrix of type '<class 'numpy.int64'>'
with 360000 stored elements in Compressed Sparse Row format>
注意我使用除n_jobs之外的所有默认参数。
我做错了什么？
In [3]: print(xgboost.__version__)
0.6
print(sklearn.__version__)
0.19.1
到目前为止，我在评论中的建议中尝试了以下内容：
n_enumerators = 5。现在至少它在62秒内完成。这仍然比RandomForestClassifier慢约60倍。n_enumerators = 5我删除n_jobs=-1并设置n_jobs=1。然后它在大约107秒内完成（比RandomForestClassifier慢大约100倍）。如果我将n_jobs增加到4，则速度可达27秒。仍然比RandomForestClassifier慢27倍。以下是使用虚假数据重现问题的完整代码。我为两个分类器设置了n_estimators = 50，它将RandomForestClassifier减慢到大约16秒。另一方面，Xgboost仍然永远不会终止。
#!/usr/bin/python3
from sklearn.datasets import make_classification
from xgboost import XGBClassifier
from sklearn.ensemble import RandomForestClassifier
from time import time
(trainX, trainY) = make_classification(n_informative=10, n_redundant=0, n_samples=50000, n_classes=120)
print("Shape of trainX and trainY", trainX.shape, trainY.shape)
t0 = time()
rf = RandomForestClassifier(n_estimators=50, n_jobs=-1)
rf.fit(trainX, trainY)
print("Time elapsed by RandomForestClassifier is: ", time()-t0)
t0 = time()
xgbrf = XGBClassifier(n_estimators=50, n_jobs=-1,verbose=True)
xgbrf.fit(trainX, trainY)
print("Time elapsed by XGBClassifier is: ", time()-t0)