sklearn.model_selection.GridSearchCV 的文档中提到

搜索选择的估计器，即在被排除的数据上得分最高（或如果指定了，则损失最小）的估计器。如果 refit=False，则不可用。

…

选定的参数是那些最大化被排除数据得分的参数，除非明确传递了一个得分，在这种情况下会使用该得分。

很多人在 SO 上也使用这个术语。

什么是“被排除的数据”？它是否是交叉验证中被排除的部分，例如数据集的 1/10？

sklearn.model_selection.GridSearchCV 是如何排除数据的？

回答：

从文档中可以看到，这种网格搜索方法接受一个名为 cv 的参数：

cv : int, 交叉验证生成器或可迭代对象，可选

这决定了 KFold 交叉验证中的 K 值。它还提供了您可以遵循的其他策略。

对于整数/None 输入，如果估计器是分类器，并且 y 是二元或多类，StratifiedKFold 将被使用。在所有其他情况下，使用 KFold。

因此，回答您的问题，网格搜索会遍历参数空间，并且对于每个参数，进行例如 3 折交叉验证。正如您所猜测的，这将涉及在每一步排除一些数据（在这种情况下是 1/3）来计算预测准确性。这就是被排除的数据。