SciKit-Learn：使用随机森林时的JoblibException

Question

我正在尝试做一些机器学习。我试图预测一篇文章的参与时间。我有我的X数据集如下：

_text_word_length _title_char_length _title_word_length _text_char_length 
0 1306    53     7     8056  
1 1075    62     11     6127 

和我的目标Y值只是彩车代表连接时间。

我用SciKit-了解如下：

from sklearn.ensemble import RandomForestRegressor 
from sklearn.model_selection import cross_val_score, KFold 
import numpy as np 
clf = RandomForestRegressor(n_jobs=-1, n_estimators=250, max_features = 0.8, verbose = 2) 
score = cross_val_score(estimator = clf, X = X1, y = Y1, cv = KFold(n_splits = 5, random_state = 100), n_jobs = -1, \ 
         scoring = "neg_mean_squared_error") 
np.mean([np.sqrt(-x) for x in score]) 

因为我用详细模式，它输出的随机森林的树木。它获得通过几乎所有的树木，然后我得到这个：

JoblibException: JoblibException 
___________________________________________________________________________ 
Multiprocessing exception: 

然后有一吨的文本（不会在这里重现，但可根据要求）。在最后，我看到：

ValueError: I/O operation on closed file 

我完全失去了，因为非常相似的代码昨天的工作，所以我不知道我在做什么错误。

任何想法？

谢谢！

Answer 1

你可以尝试下面的东西吗？因此，如果名称 =='main'具有相应的缩进，请将所有代码放在后面。

from sklearn.ensemble import RandomForestRegressor 
from sklearn.model_selection import cross_val_score, KFold 
import numpy as np 

if __name__ =='main': 

    clf = RandomForestRegressor(n_estimators=250, max_features = 0.8, verbose = 2) 
    score = cross_val_score(estimator = clf, X = X1, y = Y1, cv = KFold(n_splits = 5, random_state = 100), n_jobs = -1,scoring = "neg_mean_squared_error") 
    np.mean([np.sqrt(-x) for x in score]) 

注意 1）在cross_val_score之前得分= ..应该有一个昏迷而不是一个切片（/）

2）仅使用一次n_jobs = -1内cross_val_score