在这种情况下，“选择模型”是指选择模型的超参数。使用嵌套 CV 的原因仅仅是为了避免过度拟合训练数据。

考虑链接中的示例。首先，您喜欢通过 选择svm模型的最佳超参数GridSearchCV()。这是通过 4 倍 CV 完成的。现在，这clf.best_score_将是最佳估计器（具有最佳超参数的模型）的平均交叉验证分数。但是，尽管您使用了 CV，但现在您使用相同的数据来训练和报告性能。请记住，折叠不是独立的。因此，超参数可能过于特定于数据，即您的泛化误差估计过于乐观。因此，我们喜欢在超参数选择循环/过程（调用）之外/独立于超参数选择循环/过程（调用cross_val_score()）来评估我们的最终模型性能。

在提供的图中，您可以清楚地看到报告的性能在GridSearchCV()大多数情况下优于报告的性能cross_val_score()。