LightGBM 在 AWS 上非常慢，但在本地却不是

Question

我的本地计算机上有一个 i7 9700 CPU @ 3.00GHz，我能够在大约 5 小时内调整和训练我的 LightGBM 模型。当我在 AWS EC2 实例c5.12xlarge上重复该过程时，我发现训练时间明显变慢，并且可能需要长达 20 小时才能完成调整过程。

我使用的数据集大约有 20 个特征和 200 万行，这是我用于模型的参数：

 model_params = {"boosting_type": "gbdt",
                 "num_threads": 16,
                 "colsample_bytree": 0.51,
                 "importance_type": "split",
                 "learning_rate": 0.1,
                 "max_depth": -1,
                 "min_child_samples": 35,
                 "min_child_weight": 0.001,
                 "min_split_gain": 0.11,
                 "n_estimators": 5000,
                 "num_leaves": 412,
                 "objective": "regression_l1",
                 "random_state": 1337,
                 "reg_alpha": 0.3,
                 "reg_lambda": 3.5,
                 "subsample": 0.59,
                 "subsample_for_bin": 200000,
                 "subsample_freq": 0,
                 "verbose": -1}

我应该怎样做才能提高 AWS 的性能？