Python Scikit学习：GridSearchCV为线性回归提供相同的结果

我试过网格搜索CV和线性回归

我得到的所有参数置换值都相同：

clf3.grid_scores_
[mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'False'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'False'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'False'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'False'}]

谁能告诉我我做错了什么

---

TIA

是否可以共享样本数据集

X，y

是否可以在不使用

copy\u X

参数的情况下执行相同的网格搜索。然后打印结果，完成了。无成功

[平均值：-0.82518，标准值：0.89872，参数：{'fit_-intercept'：'True'，'normalize'：'True'}，平均值：-0.82518，标准值：0.89872，参数：{'fit_-intercept'：'True'，'normalize'：'False'}，平均值：-0.82518，标准值：0.89872，参数：{'fit_intercept'：'False'，'normalize'：'False'}]

grid\u scores\uuu

已被弃用。您要查找的信息位于

cv\u results\uu

中。顺便说一句，您应该尽量使您的代码成为最简单的工作示例，这样人们就可以更容易地回答您的问题。@chhibbz您解决问题了吗？我也有同样的问题，我将自己在同一主题上发布一个问题。GridSearchCV for me致力于分类和聚类算法，但却给了我一个连续的结果，并使用回归算法永远循环。

clf3.grid_scores_
[mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'True', 'fit_intercept': 'False'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'True', 'fit_intercept': 'False'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'True'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'True', 'copy_X': 'False', 'fit_intercept': 'False'},
 mean: -1.57573, std: 3.02988, params: {'normalize': 'False', 'copy_X': 'False', 'fit_intercept': 'False'}]