这是由于在GridSearchCV中使用roc_auc时初始化不同。
在这里查看源代码
roc_auc_scorer = make_scorer(roc_auc_score, greater_is_better=True, needs_threshold=True)
观察第三个参数
needs_threshold。如果为true，则将需要连续的值（
y_pred例如，概率或置信度得分），这些值将在Gridsearch中从中计算
log_reg.decision_function()。
当您显式调用
roc_auc_scorewith时
y_pr，您将使用
.predict()，它将输出数据的最终预测类别标签而不是概率。那应该解释差异。
尝试：
y_pr=grid_search.decision_function(X)roc_auc_score(y, y_pr)
如果结果仍然不同，请使用完整的代码和一些示例数据来更新问题。
