关于加快Python中XGBoost拟合的建议

Question

我有一个i716gbmac，我想在XGBoost上应用CV网格搜索。数据集相当大，大小为130milx50cols。我的代码是：

cv_params = {'max_depth': [3], 'min_child_weight': [1]}
ind_params = {'learning_rate': 0.1, 'n_estimators': 1000, 'seed': 0, 'subsample': 0.8, 'colsample_bytree': 0.8,
             'objective': 'binary:logistic'}
optimized_GBM = GridSearchCV(xgb.XGBClassifier(**ind_params),
                            cv_params,
                            scoring = 'accuracy', cv = 5, n_jobs = -1)

train_features = train.drop('reordered', axis=1)
train_y = train['reordered']

optimized_GBM.fit(train_features, train_y) 

在计算上，有没有什么方法可以提高数据拟合的速度？我已经等了好几个小时了。看来，如果我尝试多个层次的简历参数，拟合可能需要几天的时间，我没有。除了减少尺寸或者在AWS实例上部署它之外，有没有任何快速的解决方案来提高速度？在

提前谢谢。在