为啥 GridSearchCV 返回的分数与直接运行模型返回的分数如此不同？

Posted 2023-03-12

【中文标题】为啥 GridSearchCV 返回的分数与直接运行模型返回的分数如此不同？

【英文标题】：Why GridSearchCV return score so different from the score returned by running model directly?为什么 GridSearchCV 返回的分数与直接运行模型返回的分数如此不同？

【发布时间】：2017-01-18 18:01:38

【问题描述】：

我使用 GridSearchCV 为套索模型找到了最佳 alpha。

alphas = np.logspace(-5, 2, 30)
grid = GridSearchCV(estimator=Lasso(),
param_grid=dict(alpha=alphas), cv=10, scoring='r2')
grid.fit(self.X, self.Y) # entire datasets were fed here

print grid.best_params_, grid.best_score_ # score -0.0470788758558
for params, mean_score, scores in grid.grid_scores_:
    print mean_score, params

我得到的最佳参数是 0.0014873521072935117，负 r2 得分为 -0.0470788758558。

---

然后我直接在模型上尝试了这个 alpha。我循环运行了以下代码。

X_train, X_test, y_train, y_test = train_test_split(self.X, self.Y, train_size=0.7)
lasso = Lasso(alpha=0.001487)
lasso.fit(X_train, y_train)
print lasso.score(X_test, y_test)

请注意，我没有设置随机状态，所以它应该可以作为交叉验证。但是无论我运行多少次代码，我在这里得到的分数都在 0.11 左右（0.11-0.12）。

---

问题

为什么这两种方法的分数 -0.0470788758558 和 0.11 如此不同？

【参考方案1】：

我找到了原因。

cv 应该这样设置：

cv = ShuffleSplit(n=len(X), n_iter=10, test_size=.3)

当 cv 等于整数时，表示每次迭代有多少折，而不是迭代次数。