我试图理解为什么我收到以下情况 - 我使用的虹膜数据，并做交叉验证与ķ -nearest邻分类选择最佳ķ。GridSearchCV意外的平均结果
from sklearn.neighbors import KNeighborsClassifier
from sklearn import grid_search
from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(
X, Y, test_size=0.33, random_state=42)
parameters = {'n_neighbors': range(1,21)}
knn = sklearn.neighbors.KNeighborsClassifier()
clf = grid_search.GridSearchCV(knn, parameters,cv=10)
clf.fit(X_train, Y_train)
clf对象有结果。
print clf.grid_scores_
[平均：0.94000，标准：0.08483，则params：{ 'N_NEIGHBORS'：1}，平均：0.93000，标准：0.08251，则params：{ 'N_NEIGHBORS'：2}，平均：0.94000， std：0.08456，params：{'n_neighbors'：3}，意思是：0.95000，std：0.08101，params：{'n_neighbors'：4}，意思是0.95000，std：0.08562，params：{'n_neighbors'：5}，平均值：0.93000，标准偏差：0.08284，参数：{'n_neighbors'：6}，平均值：0.95000，标准偏差：0.08512，参数：{'n_neighbors'：7}，平均值：0.94000，标准偏差：0.08414，params：{'n_neighbors' ：8}，平均值：0.94000，标准偏差：0.08414，参数：{'n_neighbors'：9}，平均值：0.94000，标准偏差：0.08414，参数：{'n_neighbors'：10}，平均值：0.94000，标准偏差：0.08483， {'n_neighbors'：11}，意思是：0.93000，std：0.08284，params：{'n_neighbors'：12}，意思是：0.93000，std：0.08284，params：{'n_n参数：{'n_neighbors'：15}，平均值：0.93000，标准偏差：0.08284，参数：{'n_neighbors'：14} params：{'n_neighbors'：16}，意思是：0.94000，std：0.08483，params：{'n_neighbors'：17}，意思是：0.93000，std：0.09458，params：{'n_neighbors'：18}，意思是0.94000， STD：0.08483，则params：{ 'N_NEIGHBORS'：19}，平均：0.93000，标准：0.10887，则params：{ 'N_NEIGHBORS'：20}]
然而，当我得到用于第一壳体10个CV结果k=1
print clf.grid_scores_[0].cv_validation_scores
我们得到
array([ 1. , 0.90909091, 1. , 0.72727273, 0.9 ,
1. , 1. , 1. , 1. , 0.88888889])
然而，这些10个观察
print clf.grid_scores_[0].cv_validation_scores.mean()
的平均值为0.942525252525，而不是呈现0.940000物体上。
所以，我很困惑，什么意思是在做什么，为什么它不一样。我阅读了文档，但没有发现任何可以帮助我的文档。我错过了什么？