gridSearchCV性能评估

Question

我有一个作业，它要求我：

  

通过上一步改善模型的性能   超参数调整并使用网格选择最终的最优模型   根据您选择的一个或多个指标进行搜索。选择一个   给定任务的最佳模型（在一个任务上比较多个回归变量   特定领域）要求选择绩效指标，例如，   R2（确定系数）和/或RMSE（均方根误差）   比较模型性能。

我将以下代码用于超参数调整：

model_example = GradientBoostingRegressor()
parameters = {'learning_rate': [0.1, 1], 
              'max_depth': [5,10]}

model_best = GridSearchCV(model_example,
                          param_grid=parameters,
                          cv=2,scoring='r2').fit(X_train_new,y_train_new)
model_best.best_estimator_

我发现学习率= 0.1和max_dept = 5我选择了评分='r3'作为性能指标，但是当我使用此代码提供最佳模型时，它对模型的准确性没有任何影响：< / p>

my_best_model = GradientBoostingRegressor(learning_rate=0.1,
                                          max_depth=5).fit(X_train_new,y_train_new)
my_best_model.score(X_train_new,y_train_new)

你知道我的工作出了什么问题吗？