GridSearchCV最优参数估计时访问cv_results_报KeyError:0问题

KeyError: 0的触发逻辑非常明确：

1. GridSearchCV的cv_results_属性是字典类型，而非可以通过数字下标直接索引的列表。它的存储逻辑是：键为固定的结果字段名，值为按参数组合顺序排列的结果数组，字典中不存在名为0的键，直接写cv_results_[0]自然会触发键错误。
2. 你代码里使用的.parameters、.cv_validation_scores、.mean_validation_scores是scikit-learn 0.20版本之前的废弃字段，新版本已经完全移除，就算索引方式改对了也会报属性/键错误。

cv_results_中对应你需要的结果的合法键名如下：

• params：存储所有参数组合的配置，值为列表，每个元素对应一组参数的字典
• split{n}_test_score：第n折交叉验证的验证集得分，n从0开始计数，折数和你设置的cv参数一致
• mean_test_score：每组参数对应所有折验证得分的平均值

取单组参数结果的示例（以索引为0的第一组参数为例，5折交叉验证场景）：

# 确保GridSearchCV已经完成fit训练
# 取第一组参数的配置
print(grid.cv_results_['params'][0])

# 取第一组参数所有折的验证得分
fold_scores = []
for i in range(grid.cv):
    fold_scores.append(grid.cv_results_[f'split{i}_test_score'][0])
print(fold_scores)

# 取第一组参数的平均验证得分
print(grid.cv_results_['mean_test_score'][0])

如果需要查看所有参数组合的结果，可以直接遍历：

param_total = len(grid.cv_results_['params'])
for idx in range(param_total):
    print(f"参数组合{idx+1}：", grid.cv_results_['params'][idx])
    print("平均验证得分：", grid.cv_results_['mean_test_score'][idx])

如果只需要最优参数的对应结果，不需要手动遍历索引，直接调用内置属性即可：

• grid.best_params_：返回最优得分对应的参数配置
• grid.best_score_：返回最优参数对应的平均交叉验证得分

内容的提问来源于stack exchange，提问作者Aayushi Singh