我使用GridSearchCV在嵌套交叉验证的内部循环中找到最佳参数。 “内部获胜者”是使用GridSearchCV(scorer='balanced_accuracy'找到的，因此据我所知，文档中内折平均平衡度最高的模型是“ best_estimator”。我不了解refit中GridSearchCV的不同参数与scorer参数结合使用的情况。如果refit为True，当重新拟合到数据集中时，将使用哪个评分函数来评估“内在赢家”的表现？传递给scorer的计分函数（在我的情况下为'balanced_accuracy'）？为什么还要将字符串也传递给refit？这是否意味着您可以对1.）找到“内部获胜者”和2.）估算该“内部获胜者”在整个数据集上的效果使用不同的功能？
答案 0 :(得分：1)
在refit=True时，sklearn使用 entire 训练集来重新拟合模型。因此，没有任何测试数据可用来使用任何scorer函数来评估性能。
如果您在GridSearchCV中使用多个scorer，可能是f1_score或precision以及balanced_accuracy，则sklearn需要知道要使用哪个scorer中的哪一个用于找到您所说的“内部优胜者”。例如，对于KNN，f1_score可能对K=5的效果最好，但是accuracy对于K=10可能是最高的。 sklearn无法知道哪个超参数K最好。
要解决此问题，您可以将一个字符串scorer传递给refit，以指定其中哪个scorer最终应确定最佳超参数。然后，该最佳值将用于使用完整数据集重新训练或重新拟合模型。因此，根据您的情况，只有一个scorer时，您不必为此担心。只需refit=True就足够了。