Python gridsearchcv中的重新安装选项是否重新选择功能？

我正在使用gridsearchcv来训练逻辑回归分类器。我想知道的是，refit命令是基于所选的超参数C重新选择特征，还是仅仅使用交叉验证过程中选择的特征，只重新拟合系数值而不重新选择特征？

根据GridSearchCV的文档：

从这里可以得到以下refit参数的重要性

refit : boolean
    Refit the best estimator with the entire dataset. 
    If “False”, it is impossible to make predictions using 
    this GridSearchCV instance after fitting.

---

非常感谢你！我已经看到了这些答案，但我仍然感到困惑。我认为该算法应该使用选定的超参数构造新的目标函数，因此所有的特征都应该在整个训练样本的基础上重新选择。但我只是想确保我理解正确。所以refit命令重新选择功能正确吗？您的理解几乎是正确的。实际上，如果我们保持refit=True，那么在网格搜索完成后，它将选择具有最大得分或最小损失的参数估计量的最佳组合。并使用您提供的数据重新训练模型，并填充最佳估计值。

refit : boolean
    Refit the best estimator with the entire dataset. 
    If “False”, it is impossible to make predictions using 
    this GridSearchCV instance after fitting.