Scikit learn 如何使用GridSearchCV获得k倍的实际平均值？

我正在使用GridSearchCV和cv=KFold（n_splits=10），并使用一些测试SVM（c=1，gamma=1）对class='accurity'进行评分

对于这个测试，我只使用51个值的向量，以及51个二进制响应中的另一个

我的结果如下所示：

 'split0_test_score': array([ 0.16666667]), 'split1_test_score': array([ 0.4]), 'split2_test_score': array([ 0.8]), 'split3_test_score': array([ 0.6]), 'split4_test_score': array([ 0.2]), 'split5_test_score': array([ 1.]), 'split6_test_score': array([ 0.2]), 'split7_test_score': array([ 0.]), 'split8_test_score': array([ 0.4]), 'split9_test_score': array([ 0.6]), 

“平均测试分数”：数组（[0.43137255]）

问题是平均分数不是所有折痕测试分数的实际平均分数（应该是0.4367）。有没有办法从GridSearchCV获得所有褶皱的真实平均值？还是必须手动提取？

---

谢谢

我也注意到了使用Scikit learn的GridSearchCV时出现的这种差异。使用我自己的测试用例，在

splitX\u测试分数[i]

上的平均值（

numpy.mean

）与属性

cv\u结果的
mean\u测试分数
之间的差异在第17位小数点后2倍处就很明显了。10倍，与小数点后第6位有差异。
我认为这个问题可能与浮点精度有关。请解释一下，
表示测试分数的准确程度（使用哪个函数，使用哪个浮点精度）？非常感谢

编辑：我在下面的主题中阅读了莉娜的答案：。差异是由于参数
iid
造成的。如果设置为
False
，则
mean_test_score
将根据褶皱的平均值计算。
发送到GridSearchCV的参数是什么？如前所述，我将发送以下参数：svm（或svc）、rbf、C=1、gamma=1、cv=kFold（n_splits=10）、njobs=-1、，评分=‘准确度’），然后我将其拟合到两个向量上，一个是响应，另一个是值（特征）。似乎在遗漏一项的情况下，平均值是好的（可能是因为有51项，所以使用这种评分方法会收敛）。我最终使用了手动从折叠中提取的值的平均值，但这种情况对我来说仍然很奇怪。这意味着您没有对要检查的参数使用任何多个值，所以为什么要使用gridSearchCV。我只将其用于测试，所以这只是一个示例。我认为它也应该起作用。另外，我尝试了多个参数和更多的特性，如果我记得清楚的话，我也遇到了同样的问题（这就是我如何得到这个测试示例的）。