CatBoost速度问题

在使用CatBoost时，我的数据集共有20000个特征 (都是分类变量)，5000个样本量，在做训练时，用了RandomizedSearchCV，等了两天，速度简直让人无法忍受，我看了很多关于CatBoost的介绍，它的处理速度远远快于XgBoost，没办法，我用PCA对特征进行了降维，降到了2000维(降维后变量均变为了连续性变量)，在进行训练时，速度仍然是灾难性的极慢无比，而LightGBM能在1小时内完成训练和预测。我不明白我哪里出了问题？以下是我CatBoost的参数列表：

param_dist = {
        'n_estimators':range(80,200,4),
        'max_depth':range(2,15,1),
        'learning_rate':np.linspace(0.01,0.5,20),
        'subsample':np.linspace(0.7,0.9,20),
        'bagging_temperature':[0.5,1]
        }
n_iter_search = 300

grid = RandomizedSearchCV(clf,param_distributions=param_dist,scoring = 'neg_log_loss',
                                   n_iter=n_iter_search,cv =5,n_jobs = -1)
grid.fit(X, Y.ravel())

有哪位大侠知道怎么回事呢？

可能跟都是连续性特征有关，CatBoost会将特征离散化到固定数量的箱中以减少内存使用。