在調節核函式是poly的多分類支援向量機degree引數時，樣本資料僅1700餘個，degree較小時測試效果較差。當degree選擇到8時，分類器表現良好，試圖選擇更大的degree。但是計算時間過長（我上了兩節課回來還沒算完）。於是採用多程序技術，但是詭異的是使用了多程序後，CPU利用率從20%提高至70%，用引數degree=2訓練時計算時間卻遠遠超過不使用多程序技術，（不使用多程序計算只需1秒左右），大概計算10分鐘後關閉程式，不再運算。
下面貼出程式碼，參考各種資料後覺得這種情況完全沒道理啊。求大神幫忙看看是啥問題，謝謝了。

import numpy as np
import pandas as
 
 pd
from sklearn import svm
import functions_of_data_mining as fo
import multiprocessing as mp
datafr_traning=datafr_traning
#引入datafr_traning資料集，不引會報錯（我無法解釋）
datafr_traning_pressure1=datafr_traning_pressure1
#引入datafr_traning_pressure1資料集，不引會報錯（我無法解釋）
def Traning_canliang(M_degree): 
    svm_of_WuHanfangjia=svm.SVC(C=1.45
 
,kernel='poly',degree=M_degree,coef0=1,decision_function_shape='ovo')
    svm_of_WuHanfangjia.fit(datafr_traning[['建造年份','戶型','單價']],datafr_traning['地域'])
    y_test_traning_pressure1=svm_of_WuHanfangjia.predict(datafr_traning_pressure1[['建造年份','戶型','單價']])
    rate=fo.accurater(y_test_traning_pressure1,datafr_traning_pressure1['地域'
 
])
    return rate
def multicore():
    pool=mp.Pool(processes=4)
    result=pool.apply_async(Traning_canliang,(2,))
    print(result.get())
if __name__=='__main__':
    multicore()