我对gridsearchcv如何与列车测试分离工作感到有点困惑。
据我所知，在为我使用的数据集创建模型时，一篇论文使用了roc auc。
我正试图复制这篇论文所做的，至少尽我所能。通过阅读这里的其他几篇文章，我发现在整个数据集上运行gridsearchcv容易过度拟合，因此我们应该将数据分为训练分区和测试分区。然后，我们应该使用gridsearchcv和任何模型和参数运行训练分区，然后拟合它，然后使用我们留出的数据集的测试部分获得分数。
现在我感到困惑的是gridsearchcv，据我所知，在搜索参数和使用best_score时，它会为数据分割成的每个折叠提供分数，我们可以从这些分数中获得最好的分数。我不明白分数代表什么，也不明白为什么一开始就可以传递评分参数，因为gridsearchcv的工作就是始终找到最好的参数(也许我在这里做了一个糟糕的假设，但我假设存在一组客观的最佳参数，不管评分方法如何）。我的想法是，我将使用gridsearchcv找到最佳参数，然后使用所述参数创建拟合模型，最后使用该模型和我保存用于测试的分区，并使用roc auc评分方法对其进行测试。
因此，在最后，我传递给gridsearchcv的评分方法是否重要（如果有的话），因为它总是希望给出最好的参数集，我将使用这些参数来计算测试分区的最终分数？