Python 如果GridSearchCV给出了几个秩为1的估计量,它会选择哪一个作为最佳估计量?

Python 如果GridSearchCV给出了几个秩为1的估计量,它会选择哪一个作为最佳估计量?,python,scikit-learn,grid-search,gridsearchcv,Python,Scikit Learn,Grid Search,Gridsearchcv,使用Scikit learn的GridSearchCV,如果GridSearchCV给出几个秩为1的估计量,它会选择哪一个作为最佳估计量最佳估计量?它会选择出现在cv\u results\u列表中的第一个估计器吗 除非我失明,否则我在这里的文档中似乎找不到: 非常感谢。是的,它(当前)在cv\u结果中选择第一个。从开始,它只需要argmin,根据argmin选择第一个索引,以防出现平局 (似乎没有任何理由喜欢这样做,因此它似乎相对有可能改变。特别是,使用最低标准差或火车分数或时间或……实施平局断

使用Scikit learn的GridSearchCV,如果GridSearchCV给出几个秩为1的估计量,它会选择哪一个作为最佳估计量
最佳估计量
?它会选择出现在
cv\u results\u
列表中的第一个估计器吗

除非我失明,否则我在这里的文档中似乎找不到:

非常感谢。

是的,它(当前)在
cv\u结果中选择第一个。从开始,它只需要argmin,根据argmin选择第一个索引,以防出现平局

(似乎没有任何理由喜欢这样做,因此它似乎相对有可能改变。特别是,使用最低标准差或火车分数或时间或……实施平局断路器似乎是值得的。)

作为一个快速实验,使用一个无意义的(用于性能)超参数:

search=GridSearchCV(估计器=logisticsregression(),
参数网格={'verbose':[0,1,2]})
search.fit(X,y)
打印(search.cv\u results\u、search.best\u params\u)
是,它(当前)在
cv\u结果中选择第一个。从开始,它只需要argmin,根据argmin选择第一个索引,以防出现平局

(似乎没有任何理由喜欢这样做,因此它似乎相对有可能改变。特别是,使用最低标准差或火车分数或时间或……实施平局断路器似乎是值得的。)

作为一个快速实验,使用一个无意义的(用于性能)超参数:

search=GridSearchCV(估计器=logisticsregression(),
参数网格={'verbose':[0,1,2]})
search.fit(X,y)
打印(search.cv\u results\u、search.best\u params\u)