cross_val_score，不同的简历针对相同的方法返回不同的分数

Question

我很难理解我的结果。我正在运行相同的模型，相同的方法和相同的设置，但其中cv = k的k不同。 请参见下图。

• 当k = 4时，对于clf_apgd_l1模型，结果看起来不错，
• 当k = 3时，不好。其中有一部分cross_val_score很低，即0.03377111
• 当k = 5时，效果也不佳，cross_val_score的一部分太低，即0.03426791

对于相同的数据，我使用另一种方法进行了逻辑回归测试，返回的cvs看起来不错，对于k = 3，所有cross_val_score都高于0.5。

为什么对于不同的clf_apgd_l1，我的cv模型具有如此不同的值（比例赔率模型，l1罚分，加速近端梯度下降（APGD aka FISTA））？ 代码如下：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
from sklearn.base import BaseEstimator, ClassifierMixin