Python 在RandomForestClassifier上执行GridSearchCV会产生较低的精度

我试图提高RandomForestClassifier的性能，该分类器使用GridSearchCV对负面评论和正面评论进行分类，但其准确率似乎总是比基本算法低10%左右。为什么会这样？请在下面找到我的代码：

90%准确率的基本算法：

algo_base = RandomForestClassifier()
algo_base.fit(X_train, y_train)

param_grid = {
    'criterion':['gini', 'entropy'],
    'max_depth':[5, 10, 15],
    'n_estimators':[150, 200, 250, 300]
}

rfc = RandomForestClassifier(random_state=42)

CV_rfc = GridSearchCV(estimator = rfc, param_grid = param_grid, cv = 10, n_jobs=-1, verbose=4)

CV_rfc.fit(X_train, y_train)

精度为80%的GridSearchCV算法：

algo_base = RandomForestClassifier()
algo_base.fit(X_train, y_train)

param_grid = {
    'criterion':['gini', 'entropy'],
    'max_depth':[5, 10, 15],
    'n_estimators':[150, 200, 250, 300]
}

rfc = RandomForestClassifier(random_state=42)

CV_rfc = GridSearchCV(estimator = rfc, param_grid = param_grid, cv = 10, n_jobs=-1, verbose=4)

CV_rfc.fit(X_train, y_train)

---

基线模型的默认值与网格搜索中给出的值不同。 例如，n_估计量的默认值是100。

---

看一看

您尚未包含已修复的链接，可能是由于您指定了10倍交叉验证，因此数据量不正确。请尝试更改它并查看结果。