使用Joblib并行化Scikit学习模型训练（带有交叉验证）

Question

我有一些模型，通常需要约30秒才能在datset上训练。

我正在使用交叉验证来训练最佳模型，这需要30分钟。我正在尝试加快速度，以便可以进行实验性快速搜索。

我做了什么：

clf =  GridSearchCV(LinearSVC(C=1), param_grid, cv=5, n_jobs=4, scoring= '%s' % score) #  n_jobs=-1

我在我的i7 PC上放置了n_jobs = 4，即内核。

发生了什么事

程序仍然运行缓慢，这4个4进程一次又一次地输出内容，即程序的每一行（基于print语句）看起来多次运行（而不仅仅是4次，一次又一次地运行） ）。

这是任务管理器中的CPU状态：

现在，CPU未被充分使用。该程序仍然运行缓慢，我不知道内部发生了什么，为什么还要一次又一次执行一些打印语句。

即使我将所有代码都放入主代码（导入文件除外），我仍会收到此警告。

line 305, in configure
    '[joblib] Attempting to do parallel computing '
ImportError: [joblib] Attempting to do parallel computing without protecting your import on a system that does not support forking. To use parallel-computing in a script, you must protect your main loop using "if __name__ == '__main__'". Please see the joblib documentation on Parallel for more information

因此，请提供有关如何使用n_jobs快速运行我的作业的帮助。没有它，如果我增加参数搜索空间，我的交叉验证将永远运行。

还有什么方法可以解决以上警告并最大限度地利用我的CPU来完成此机器学习工作？