考虑以下网格搜索： grid = GridSearchCV(clf, parameters, n_jobs =-1, iid=True, cv =5) grid_fit = grid.fit(X_train1, y_train1)

根据SkLearning的资源，grid_fit.best_score_ 返回Best_Estiator的交叉验证的平均分数。

对我来说，这意味着：

cross_val_score(grid_fit.best_estimator_, X_train1, y_train1, cv=5)

应与：

grid_fit.best_score_。

然而，我得到了这两个数字之间的10%的差异。我错过了什么？

我正在对专有数据使用网格搜索，所以我希望有人在过去遇到过类似的东西，并且可以在没有完全可重现的示例的情况下指导我。如果它不够清楚，我会试着用虹膜数据集重现这一点。

推荐答案

当向GridSearchCV(..., cv=int_number)参数传递整数时，StratifiedKFold将用于交叉验证拆分。因此，数据集将被StratifiedKFold随机拆分。这可能会影响准确度，从而影响最佳分数。