我正在测试SVM的超参数，但是，当我求助于Gridsearch或RandomizedSearchCV时，我无法得到一个解决方案，因为处理时间超过了几个小时。
我的数据集相对较小：4303行和67个属性，四个类（分类问题）
以下是测试参数：

params =[{'C': [0.1,1, 10, 100], 
         'kernel': ['poly','sigmoid','linear','rbf'],
         'gamma': [1,0.1,0.01,0.001]}
]

sv = SVC()

clf = RandomizedSearchCV(estimator=sv,
                   cv = 3, 
                   param_distributions=params,
                   scoring='accuracy', 
                   n_jobs = -1,
                   verbose=1)
clf.fit(X, y)
print("Best parameters:", clf.best_params_)
print("better accuracy: ", (clf.best_score_)**(1/2.0))

我已经减少了参数的数量和cvs的数量，但是我仍然不能得到一个不需要几个小时处理的结果。
有可能优化这个过程吗？我在网格搜索或SVM方面犯了错误吗？