拟合后，GridSearchCV是否返回best_estimator_？

假设我们使用GridSearch调整SVM，如下所示：

algorithm = SVM()
parameters = {'kernel': ['rbf', 'sigmoid'], 'C': [0.1, 1, 10]}

grid= GridSearchCV(algorithm, parameters)
grid.fit(X, y)

然后，您希望在中使用最佳拟合参数/估计量cross_val_score。我的问题是，grid此时是哪种模型？它是表现最好的一个吗？换句话说，我们可以做

cross_val_scores = cross_val_score(grid, X=X, y=y)

还是应该使用

cross_val_scores = cross_val_score(grid.best_estimator_, X=X, y=y)

当我同时运行这两个程序时，我发现它们返回的分数不同，所以我很好奇这里的正确方法。（我会假设使用best_estimator_。）但是，这又引发了一个问题，即：仅grid使用用作模型会产生什么？第一个？