python - 使用 gridsearchCV() 后没有得到更好的结果，而是手动得到更好的结果

Question

我试图通过在 Knearistneighbors 上测试来学习 gridsearchCV 的工作原理。当我指定 n_neighbors = 9 时，我的分类器给出的分数为 0.9122807017543859

但是当我使用 gridsearchCV 并给它 n_neighbors = 9 时，在列表中，我得到的分数为 0.8947368421052632。

可能是什么原因？任何努力都会受到赞赏。这是我的代码

from sklearn import datasets
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split as splitter
import pickle       
from sklearn.neighbors import KNeighborsClassifier  
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV

# Data pre-processing  <-----------------------

data = datasets.load_breast_cancer()
p=data
add=data.target.reshape(569,1)  
columns = np.append(data.feature_names, 
                    data.target_names[0],
                    axis=None)
data = np.append(data.data,
                 add,
                 axis=1)                        
df = pd.DataFrame(data=data,columns=columns)

X_train,X_test,y_train,y_test = splitter(p.data,
                                         p.target,
                                         test_size=0.3,
                                         random_state=12)




gauss = KNeighborsClassifier(n_neighbors=9)

param_grid={'n_neighbors':[1,2,3,4,5,6,7,8,9,11,12,13,10]}

gausCV = GridSearchCV(KNeighborsClassifier(),param_grid,verbose=False)


gauss.fit(X_train,y_train)
gausCV.fit(X_train,y_train)

print(gauss.score(X_test,y_test))
print(gausCV.score(X_test,y_test))

这就是我得到的

0.9122807017543859
0.8947368421052632

Answer 1

问题不在于邻居的数量，而在于“交叉验证”。 GridSearchCV 进程不仅尝试 param_grid 中的所有值，而且还执行一些数据操作:数据的“折叠”。这是对数据进行多次重采样，以帮助最终的分类器对新数据尽可能稳健。鉴于 gauss 和 gausCV 模型之间的分数非常接近，几乎可以肯定所绘制的数据正在影响结果，但影响并不严重。

这是一个很好的例子，说明了为什么仅仅接受具有最高“分数”的模型可能并不总是最好的路径:与没有经过交叉验证的模型相比，我对经过交叉验证得分较高的模型更有信心(其他条件相同)。

Here is a good description运行交叉验证时发生的情况。