GridSearchCV调参后best_estimator缺失max_depth，模型是否会启用该参数？

问题解答 #

疑问1：直接用训练完成的grid对象预测是否会用到最优max_depth参数？ #

会，完全不用担心参数缺失问题。
你打印best_estimator_时看不到max_depth，是scikit-learn的模型打印规则导致的：默认只会展示和类默认取值不同的参数。梯度提升分类器的max_depth默认值就是3，刚好你的最优参数里max_depth取的是默认值，所以打印时不会单独列出来，不代表参数没有被正确配置。
你可以执行代码print(grid.best_estimator_.named_steps['gradientboostingclassifier'].max_depth)验证，就能直接输出最优取值3。
你设置了refit=True，GridSearchCV在找到最优参数组合后，会自动用全部训练集数据+完整的最优参数组合重新训练整个pipeline，所有最优参数都会生效，直接调用grid.predict()得到的就是最优参数对应模型的预测结果。

疑问2：是否更推荐从cv_results_提取最优参数重新配置模型？ #

完全不需要。
grid.best_estimator_已经是用最优参数训练完成的可用模型，直接调用grid.predict()、grid.score()等方法即可，和你手动提取参数重新训练的效果完全一致，还能避免手动写参数时出现拼写错误、遗漏原始配置（比如random_state、verbose等固定参数）的问题。
只有当你需要脱离当前GridSearchCV实例，在其他场景下复用该最优参数组合训练新模型时，才需要提取参数，也不需要手动从cv_results_里查找，直接调用grid.best_params_就能拿到规整好的最优参数字典，比自己筛选cv_results_更便捷不易出错。

内容的提问来源于stack exchange，提问作者thileepan