从sklearn运行投票分类器的正常时间是几点？

Question

我是整体学习和方法的新手，并且已经使用sklearn构建了以下模型

std = RobustScaler()
std.fit(train_feats)
train_feats = std.transform(train_feats)
val_feats = std.transform(val_feats)

# define base learners
# XGB classifier
xgb_classifier = xgb.XGBClassifier(objective='binary:logistic',
                                  learning_rate=0.1,
                                  n_estimators=10,
                                  max_depth=1,
                                  subsample=0.4,
                                  random_state=234)

# SVM
svm_classifier = SVC(gamma=0.1,
                    C=0.1,
                    kernel='poly',
                    degree=3,
                    coef0=10.0,
                    probability=True)

# random forest classifier
rf_classifier = RandomForestClassifier(n_estimators=10,
                            max_features="sqrt",
                            criterion='entropy',
                            class_weight='balanced')
# Define meta-learn
voting_clf = VotingClassifier([("xgb", xgb_classifier),
                               ("svm", svm_classifier),
                               ("rf",  rf_classifier)],
                             voting="soft",
                             flatten_transform=True)

voting_clf.fit(train_feats, train_labels)

该模型已经运行了5个小时。火车专长的形状为：（18000，29）。投票分类器连续运行5小时没有停止迹象是正常的吗？这里有错误吗？除非我知道事情有误并且存在错误，否则我不想停止训练并重新运行。

我很好奇，是否有一个会拖延培训时间的错误，或者通常是这样，需要很长时间进行培训？

Answer 1

似乎post.中提到的SVC以二次时间运行，因此删除SVM可以解决此问题。