优化 GPU 版本的方法
micromamba create -n rapids_env -y
micromamba activate rapids_env
micromamba create -n rapids-25.02 -c rapidsai -c conda-forge -c nvidia \
rapids=25.02 python=3.12 'cuda-version>=12.0,<=12.8'
d
micromamba create -n rapids-25.02 -c rapidsai -c conda-forge -c nvidia \
rapids=25.02 python=3.12 'cuda-version>=12.0,<=12.8' \
'pytorch=*=*cuda*' jupyterlab
方法 1：使用 RAPIDS cuML 替代 scikit-learn
RAPIDS cuML 提供了与 scikit-learn 兼容的 GPU 版本的 RandomForestRegressor，可以大幅提升计算速度：
方法 2：使用 XGBoost 进行特征选择
XGBoost 支持 GPU 训练，我们可以使用 XGBRegressor 替换 RandomForestRegressor 进行特征选择
方法 3：使用 Optuna 进行特征选择优化
Optuna 是一个自动超参数优化库，可以在 GPU 上搜索最佳特征子集：