是的，这是完全正确的。您可以通过在详细模式下设置网格搜索过程来轻松检查：
我正在阅读本教程，该教程将主成分分析和逻辑回归结合在一个管道中，然后应用交叉验证和主成分分析的一组定义参数和逻辑回归。以下是我从这个例子中理解的内容，然后我将提出我的问题。
我理解：
当GridSearchCV被执行时，它首先有一个默认的3倍。因此，它从计算20个分量的PCA开始，然后对数据进行转换，并将其放入Logistic回归中进行训练。现在，对于逻辑回归C参数的每个值，它将应用3倍的交叉验证，并查看哪些值，因此最终将进行3*3=9次逻辑回归训练，因为我们有3个C参数值，每个参数值有3倍的相互验证。
之后，它将对PCA的第二个参数做同样的事情，即40，所以其他9个训练。然后对PCA 64的最后一个参数进行了9次训练。因此，我们总共将进行9*3=27次逻辑回归培训。
我的问题是：我对这个程序的理解正确吗？
>>> estimator = GridSearchCV(pipe, dict(pca__n_components=n_components,
... logistic__C=Cs),
... verbose=1)
>>> estimator.fit(X_digits, y_digits)
Fitting 3 folds for each of 9 candidates, totalling 27 fits
[...snip...]
更一般地说，fit调用的数量是每个参数的值的数量乘以k，如果在整个训练集上重新调整最佳参数(默认情况下发生)，则为+1。