这是一些 可能 导致此行为的原因
- 随着增加 线程数，初始化和释放每个线程会产生明显的开销。我在i7 7700HQ上运行了您的代码，每次增加时，我都会看到以下行为
n_job
- 当
n_job=1
与n_job=2
每个线程的时间（时间由每模型GridSearchCV评价充分训练模型和测试）为2.9s（总时间约2分钟） - 时
n_job=3
，时间为3.4s（总时间1.4分钟） - 时
n_job=4
，时间为3.8S（总时间58秒） - 当
n_job=5
，时间为4.2s（总时间51秒） - 当
n_job=6
，时间为4.2秒（总时间约为49秒） - 当
n_job=7
，时间为4.2秒（总时间约为49秒） - 当
n_job=8
，时间为4.2秒（总时间约为49秒）
- 当
现在您可以看到，每个线程的时间增加了，但是总体时间似乎有所减少（尽管超过了
n_job=4 the different was not exactly linear) and remained constained with
n_jobs> = 6`，这是由于初始化和释放线程会产生成本）。请参见github问题和本期。此外，可能还有其他瓶颈，例如数据量太大，无法同时广播到所有线程，线程在RAM上抢占（或其他资源等），如何将数据推入每个线程等。
我建议您阅读有关Ahmdal定律的信息，该定律指出通过并行化可以实现加速的理论界限，该界限由以下公式提供： Image Source：Ahmdal定律：Wikipedia
最后，这可能是由于数据大小以及用于训练的模型的复杂性所致。
这是一篇博客文章，解释了有关多线程的相同问题。
