我正在使用带有cv = KFold（n_splits = 10）的GridSearchCV，使用一些测试SVM得分='准确度'（c = 1，gamma = 1）。
对于此测试，我仅使用51个值的向量，以及51个二进制响应中的另一个。
我的结果如下：
'split0_test_score': array([ 0.16666667]), 'split1_test_score': array([ 0.4]), 'split2_test_score': array([ 0.8]), 'split3_test_score': array([ 0.6]), 'split4_test_score': array([ 0.2]), 'split5_test_score': array([ 1.]), 'split6_test_score': array([ 0.2]), 'split7_test_score': array([ 0.]), 'split8_test_score': array([ 0.4]), 'split9_test_score': array([ 0.6]),
'mean_test_score'：array（[0.43137255]）...
问题是平均分数不是所有倍数测试分数的实际平均分数（应该是0.4367）。有没有办法从GridSearchCV获得所有折叠的真正意义？或者我必须手动提取它？ 谢谢
答案 0 :(得分：1)
我还注意到使用来自Scikit-learn的GridSearchCV的这种差异。使用我自己的测试用例，从属性numpy.mean的平均值{splitX_test_score[i]）到mean_test_score和cv_results_之间的差异可以从第17个小数位显示2倍。 10倍，从小数点后6位有差异。
我认为这个问题可能与浮点精度有关。请问，有人可以解释一下mean_test_score（使用哪个函数，具有哪个浮点精度）？非常感谢提前。
修改：我在以下主题中阅读了Leena的回答：sikit learn cv grid scores - Unexpected results。差异是由参数iid引起的。如果设置为False，那么mean_test_score将根据折叠的平均值计算。