为什么scikit-learn邻居使用n_jobs > 1和forkserver更慢

Question

我正在使用scikit learn进行元启发式练习，我有一个疑问：我需要使用knn，所以我有了一个n_jobs=-1的KNearestNeighbors对象。正如文档所说，我必须将多处理模式设置为forkserver。但是n_jobs=-1的knn比n_jobs=1的knn慢得多。

这是的一段代码

### Some initialization here ###
skf = StratifiedKFold(target, n_folds=2, shuffle=True)
for train_index, test_index in skf:
       data_train, data_test = data[train_index], data[test_index]
       target_train, target_test = target[train_index], target[test_index]
       start = time()
       selected_features, score = SFS(data_train, data_test, target_train, target_test, knn)
       end = time()
       logger.info("SFS - Time elapsed: " + str(end-start) + ". Score: " + str(score) + ". Selected features: " + str(sum(selected_features)))
if __name__ == "__main__":
    import multiprocessing as mp; mp.set_start_method('forkserver', force = True)
    main()

这是SFS功能

def SFS(data_train, data_test, target_train, target_test, classifier):
    rowsize = len(data_train[0])
    selected_features = np.zeros(rowsize, dtype=np.bool)
    best_score = 0
    best_feature = 0
    while best_feature is not None:
        end = True
        best_feature = None
        for idx in range(rowsize):
            if selected_features[idx]:
                continue
            selected_features[idx] = True
            classifier.fit(data_train[:,selected_features], target_train)
            score = classifier.score(data_test[:,selected_features], target_test)
            selected_features[idx] = False
            if score > best_score:
                best_score = score
                best_feature = idx
        if best_feature is not None:
            selected_features[best_feature] = True
    return selected_features, best_score

我不明白n_jobs>1怎么会比n_jobs=1慢。有人能解释一下吗？我尝试了3个数据集。

Answer 1

我发现很多像你一样的人都有同样的问题：n_jobs不在sklearn的KNearestNeighbors工作。他们还抱怨只有一个CPU内核被加载。

在我的实验中，无论n_jobs>1与否，拟合过程都只使用单核。因此，无论你是否将n_jobs设置为大数字，如果你的训练数据样本很大，训练时间都将是巨大的，而且不会减少。

n_jobs>1甚至比n_jobs=1慢的原因是分配多处理资源的成本。