为什么scikitlearn支持向量机分类器运行这么长时间而占用的CPU却这么少？

Question

我正在执行python2.7.10中的scikit learn SVM分类器（SVC），它已经运行了2个多小时了。我已经用pandas.read_csv对数据进行了预处理，然后运行

clf = SVC(C = 0.001, kernel = 'linear', cache_size = 7000, verbose = True)
clf.fit(X_train, y_train)

我有使用R在H2O中运行分类器（随机森林和深层神经网络）的经验，而且它们从不花这么长时间！我正在运行的机器有16gbram和i7，每个内核有3.6ghz。taskmonitor告诉我python正在使用8.6gb的RAM，但是，只有CPU的13%。我不太明白为什么这么慢，甚至不使用所有资源。在

我的数据有12000000行和22列，sklearn只给了我一行：

[LibSVM]

这是正常的行为还是我应该多看看？有人能发布一个完成的svc的详细信息吗？ 另外，除了降低C参数，我还能做些什么来加快速度吗？使用更少的行并不是一个真正的选择，因为我想对算法进行基准测试，如果使用不同的训练数据，它们将无法进行比较。最后，有人能解释一下为什么我的资源很少被使用吗？在