É mais rápido treinar Machine Learning com Python AsyncIO?

A resposta é SIM!
Em todos os processos que rodei comparando Sync com Async, a computação paralela (async) levou a melhor em Machine Learning.

Qual a diferença entre a execução assíncrona e síncrona?

Quando você executa algo de forma síncrona, você espera que ele termine antes de passar para outra tarefa. Quando você executa algo de forma assíncrona, pode passar para outra tarefa antes de terminar.

Biblioteca utilizada: Python AsyncIO

def synchronous():

start = time.time()

svc = svm.SVC(kernel='linear')

C_s = np.logspace(-10, 0, 10)

scores = list()

scores_std = list()

for C in C_s:

svc.C = C

this_scores = cross_val_score(svc, X, y, cv=5, n_jobs=1)

scores.append(np.mean(this_scores))

scores_std.append(np.std(this_scores))

print("Processo demorou: {:.2f} segundos".format(time.time() - start))

@asyncio.coroutine

def asynchronous():

start = time.time()

svc = svm.SVC(kernel='linear')

C_s = np.logspace(-10, 0, 10)

scores = list()

scores_std = list()

for C in C_s:

svc.C = C

this_scores = cross_val_score(svc, X, y, cv=5, n_jobs=2)

scores.append(np.mean(this_scores))

scores_std.append(np.std(this_scores))

print("Processo demorou: {:.2f} segundos".format(time.time() - start))