GridSearchCV teste toutes les combinaisons d'une grille d'hyperparamètres, évalue chacune par validation croisée et conserve la meilleure (best_params_, best_estimator_). Le coût croît vite avec la taille de la grille. Il se combine avec un Pipeline en nommant les paramètres etape__parametre.
Exemple
GridSearchCV(pipe, {'model__C': [0.1, 1, 10]}, cv=5).fit(X_train, y_train)