Python中两种GridSearchCV循环实现差异及ValueError报错排查

核心实现差异 #

• 实现1（列表推导式）：每次循环会将新训练完成的GridSearchCV实例追加到列表中，最终grid_searches是包含所有模型对应搜索结果的列表，长度与models/params的长度一致。
• 实现2（循环赋值）：每次循环直接给grid_searches重新赋值为仅包含当前模型搜索结果的新列表（覆盖之前的内容），最终grid_searches里只有最后一个模型的搜索结果，长度为1。

报错直接原因 #

绘图代码中，你试图遍历grid_searches[0:3]（前3个模型的结果）与参数名、子图进行匹配，但实现2中grid_searches仅存最后一个模型的结果：

1. 循环执行时，会用最后一个模型的GridSearchCV实例去匹配第一个参数名（比如alpha）。
2. 如果这个模型的param_grid是多参数组合（比如同时调优l1_ratio和alpha），grid_search.param_grid[param_name]（即alpha的取值列表）长度为50，但网格搜索的总参数组合数是50×50=2500，对应mean_train_score/mean_test_score的长度也是2500。
3. 调用ax.plot()时，x轴数据长度（50）与y轴数据长度（2500）不匹配，触发维度不匹配错误。

修复方法 #

将实现2中的赋值语句改为追加元素即可：

grid_searches = []
for m, grid in zip(models,params):
    grid_searches.append(GridSearchCV(m,grid,n_jobs=-1, cv = 3, return_train_score=True).fit(X,y))

内容的提问来源于stack exchange，提问作者AdiG