我在使用scikit进行机器学习时，严格按照其官方文档中的步骤操作，但遇到了两个问题。以下是代码的主要部分：

1) trdata是使用sklearn.train_test_split创建的训练数据。2) ptest和ntest分别是正样本和负样本的测试数据

## 数据预处理
scaler = StandardScaler(); scaler.fit(trdata); trdata = scaler.transform(trdata)
ptest = scaler.transform(ptest); ntest = scaler.transform(ntest)
## 构建分类器
# 设置gamma和C用于网格搜索优化，RBF核和SVM分类器
crange = 10.0**np.arange(-2,9); grange = 10.0**np.arange(-5,4)
pgrid = dict(gamma = grange, C = crange)
cv = StratifiedKFold(y = tg, n_folds = 3)
## 阈值范围
clf = GridSearchCV(SVC(), param_grid = pgrid, cv = cv, n_jobs = 8)
## 训练分类器：半监督算法
clf.fit(trdata, tg, n_jobs=8)

问题1）当我在GridSearchCV中使用n_jobs = 8时，代码运行到GridSearchCV后就会卡住，或者说在执行’clf.fit’时花费异常长的时间而没有结果，即使是非常小的数据集。当我去掉它时，两者都能执行，但clf.fit在处理大数据集时需要很长时间才能收敛。我的数据大小是600 x 12的矩阵，适用于正样本和负样本。你能告诉我n_jobs到底会做什么以及它应该如何使用吗？还有没有更快的拟合技术或代码修改可以应用来加速这个过程？

问题2）StandardScaler应该用于合并的正负数据，还是分别用于正负数据？我认为应该用于合并的数据，因为只有这样我们才能将缩放器参数应用于测试集。

回答：

SVC似乎对未归一化的数据非常敏感，你可以尝试通过以下方式归一化数据：

from sklearn import preprocessing
trdata = preprocessing.scale(trdata)