Scikit学习)当我们在Paralllel中运行多个随机森林时，n_job=-1仍然比n_jobs= c快吗？

Scikit-learn是一个流行的机器学习库，提供了丰富的机器学习算法和工具。在使用Scikit-learn中的随机森林算法时，可以通过设置参数n_jobs来指定并行运行的任务数。

当n_jobs=-1时，Scikit-learn会使用所有可用的CPU核心来并行运行任务。而当n_jobs=c时，Scikit-learn会使用指定的c个CPU核心来并行运行任务。

在一般情况下，n_jobs=-1比n_jobs=c更快。这是因为n_jobs=-1会利用所有可用的CPU核心来并行处理任务，从而加快了计算速度。而n_jobs=c只会使用指定的c个CPU核心，可能无法充分利用所有可用的计算资源。

然而，n_jobs=-1并不总是比n_jobs=c更快。这取决于多个因素，如数据集的大小、计算资源的可用性和数据分布的特点等。在某些情况下，数据集较小或计算资源有限时，n_jobs=c可能会更快，因为并行处理的开销可能会超过并行计算的收益。

总结起来，当在Parallel中运行多个随机森林时，n_jobs=-1通常比n_jobs=c更快，因为它可以充分利用所有可用的计算资源。但在特定情况下，n_jobs=c可能会更快，这取决于数据集的大小和计算资源的可用性等因素。

腾讯云提供了丰富的云计算产品和服务，其中包括与机器学习相关的产品。您可以参考腾讯云的机器学习产品文档来了解更多相关信息：腾讯云机器学习产品。