我从GridSearchCV获得的R ^ 2得分与我从cross_val_score得到的得分非常不同，为什么？ （sklearn，python）

Question

我正在使用GridSearchCV来选择一个回归量。一旦它适合，我用

拉出选择的回归量

predictor = GridSearchCV(Pipeline(...), params={...},
                         cv=10, scoring='r2')
predictor.fit(X, y)
estimator = predictor.get_params()['estimator']

然后我用

运行cross_val_score

cross_val_score(estimator, X, y,
                cv=10, scoring='r2')

但我得到的R ^ 2始终比predictor.best_score_低约5个百分点。为什么？

Answer 1

使用predictor.best_estimator_作为cross_val_score中的估算工具。这是具有最佳参数的那个。您选择它的方式，您可能正在获取具有默认参数的初始估算器。您可以通过将后者放入cross_val_score进行检查并比较结果。