Python 如何在scikit learn中计算每个交叉验证折叠中的互信息？

我正在scikit管道中运行功能选择和交叉验证，以优化SVR中的超参数。由于互信息特征选择取决于响应变量，因此我希望通过计算每个折叠中的互信息统计信息来防止测试集泄漏到训练集中。据我所知，在将数据发送到模型之前，管道会在所有数据上运行选择器。运行互信息的正确方式是什么，以便只使用每个折叠中的响应数据

cached_pipe = Pipeline(
 [
 ('selector', SelectKBest(mutual_info_regression)),
 ('model',SVR())
 ]
)

# iterating through hyperparameters (loop not shown)
hyperparameters = dict(
    model__kernel=[k],
    model__C=C_range,
    model__gamma=gamma_range,
    model__epsilon = [epsilon],
    selector__k = [numFeat])

clf = GridSearchCV(
    estimator = cached_pipe,
    param_grid = hyperparameters,
    cv = LeaveOneOut(),
    scoring = 'neg_mean_squared_error',
    return_train_score = 0,
    n_jobs= -1,
    verbose=0)

best_model = clf.fit(X, y.ravel())
HyperModel['feature_scores'] = best_model.best_estimator_.named_steps['selector'].scores_
HyperModel['feature_support'] = best_model.best_estimator_.named_steps['selector'].get_support()