If you have data with a large number of features and you are sure that it will take some time to train and tune the model, which approach is LEAST likely to result in a speed improvement during grid-searching?

Đáp án đúng: "Use the Shuffle and split form of cross-validation". Thời gian grid search (dò lưới siêu tham số) phụ thuộc vào số tổ hợp tham số, số lần chia kiểm định chéo và kích thước dữ liệu mỗi lần huấn luyện. ShuffleSplit chỉ đổi cách xáo trộn và chia tập huấn luyện với tập kiểm định, không giảm số đặc trưng, số mẫu hay số tổ hợp, nên ít khả năng tăng tốc nhất. "In your pipeline use variance thresholding to limit the number of features" bỏ các đặc trưng gần như không đổi, giảm chi phí tính toán. "Use a randomized grid search form of cross validation" chỉ thử một số tổ hợp ngẫu nhiên thay vì toàn bộ lưới nên nhanh hơn rõ rệt. "Randomly subset the data" huấn luyện trên ít mẫu hơn nên mỗi lần khớp mô hình rẻ hơn. "Use PCA to reduce the dimensionality of the data before training" nén dữ liệu xuống ít chiều hơn, giảm thời gian huấn luyện trên dữ liệu nhiều đặc trưng.