我正在使用SVM构建一个分类器，并希望通过网格搜索来帮助自动寻找最佳模型。以下是代码：

from sklearn.svm import SVCfrom sklearn.model_selection import train_test_splitfrom sklearn.model_selection import GridSearchCVfrom sklearn.multiclass import OneVsRestClassifierX.shape     # (22343, 3233)y.shape     # (22343, 1)X_train, X_test, y_train, y_test = train_test_split(  X, Y, test_size=0.4, random_state=0)tuned_parameters = [  {    'estimator__kernel': ['rbf'],    'estimator__gamma': [1e-3, 1e-4],    'estimator__C': [1, 10, 100, 1000]  },  {    'estimator__kernel': ['linear'],     'estimator__C': [1, 10, 100, 1000]  }]model_to_set = OneVsRestClassifier(SVC(), n_jobs=-1)clf = GridSearchCV(model_to_set, tuned_parameters)clf.fit(X_train, y_train)

我收到了以下错误消息（这不是完整的堆栈跟踪，只是最后三个调用）：

----------------------------------------------------/anaconda/lib/python3.5/site-packages/sklearn/model_selection/_split.py in split(self, X, y, groups)     88         X, y, groups = indexable(X, y, groups)     89         indices = np.arange(_num_samples(X))---> 90         for test_index in self._iter_test_masks(X, y, groups):     91             train_index = indices[np.logical_not(test_index)]     92             test_index = indices[test_index]/anaconda/lib/python3.5/site-packages/sklearn/model_selection/_split.py in _iter_test_masks(self, X, y, groups)    606     607     def _iter_test_masks(self, X, y=None, groups=None):--> 608         test_folds = self._make_test_folds(X, y)    609         for i in range(self.n_splits):    610             yield test_folds == i/anaconda/lib/python3.5/site-packages/sklearn/model_selection/_split.py in _make_test_folds(self, X, y, groups)    593         for test_fold_indices, per_cls_splits in enumerate(zip(*per_cls_cvs)):    594             for cls, (_, test_split) in zip(unique_y, per_cls_splits):--> 595                 cls_test_folds = test_folds[y == cls]    596                 # the test split can be too big because we used    597                 # KFold(...).split(X[:max(c, n_splits)]) when data is not 100%IndexError: too many indices for array

此外，当我尝试重塑数组，使y变为(22343,)时，即使我将tuned_parameters设置为仅默认值，网格搜索也永远不会完成。

以下是所有包的版本信息，如果有帮助的话：

Python: 3.5.2

scikit-learn: 0.18

pandas: 0.19.0

回答：

看起来你的实现没有错误。

然而，正如sklearn文档中提到的，”fit时间复杂度随着样本数量的增加而超过二次方，这使得它很难扩展到超过几万个样本的数据集”。请查看此处的文档

在你的情况下，你有22343个样本，这可能导致一些计算问题/内存问题。这就是为什么当你进行默认的交叉验证时，它需要很长时间。尝试减少你的训练集，使用10000个或更少的样本。