Scikit learn scikit learn GridSearchCV始终将第一个参数作为最佳参数返回

我将GridSearchCV的参数设置为：

parameters = {'kernel':['rbf'], 'C':[1, 5, 0.5], 'gamma':[1, 5, 0.5]}
grid = GridSearchCV(SVC(), parameters)
grid.fit(dataset, targets)

然后

grid.best_params_

或

grid.best_estimator_

始终将列表中的第一个参数返回为最佳（即1和1）。如果我改变参数的顺序，将5放在“C”列表的顶部，那么最好的参数是“C”=5，“gamma”=1

---

我做错了什么？

您必须将评分参数更改为（roc_auc），例如：

    grid = GridSearchCV(model, param_grid = p, scoring='roc_auc')
    grid.fit(self.train_data, self.train_labels)
    print('\nThe best hyper-parameter for -- {} is {}, the corresponding mean accuracy through 10 Fold test is {} \n'\
        .format(name, grid.best_params_, grid.best_score_))
    model = grid.best_estimator_
    train_pred = model.predict(self.train_data)
    print('{} train accuracy = {}\n'.format(name,(train_pred == self.train_labels).mean()))

---

参数之间的分数可能没有变化。您是否查看了

grid\u scores\u

属性或设置了详细度参数？特别是对于小数据集，这可能会发生。另外，您的参数非常接近。您是否找到了解决方案，因为我正在努力解决同样的问题。通过使用计分获取此错误

raisevalueerror（“{0}格式不受支持”。format（y_type））ValueError:不支持多类格式