我从GridSearchCV得到的R^2分数与我从cross_val_分数得到的分数非常不同，为什么？（sklearn，python）

我正在使用GridSearchCV选择回归器。一旦安装好，我就用

predictor = GridSearchCV(Pipeline(...), params={...},
                         cv=10, scoring='r2')
predictor.fit(X, y)
estimator = predictor.get_params()['estimator']

然后我用

cross_val_score(estimator, X, y,
                cv=10, scoring='r2')

---

但我得到的R^2始终比

预测值低5个百分点。为什么?
 使用
predictor.best\u estimator\u
作为
cross\u val\u score
中的估计器。这是一个具有最佳参数的。你选择它的方式，你可能是获得初始估计与默认参数。您可以将后者放入
cross_val_score
中并比较结果进行检查。
全面说明您使用的估计器会很有用。更好的方法是使用随机数据的完全复制+粘贴脚本。如果我的回答没有帮助，这可能是特定于估计器的。