機械学習　estimator.predict(test_data)が更新されません

前提・実現したいこと

二値分類を二回行い3クラスに分類するロジスティック回帰についてです。デバックした結果predicted_label1 = pipe_lr1.predict(test_data)とpredicted_label2 = pipe_lr2.predict(test_data)の部分がループのたびに更新されていませんでした。なにが間違えているのでしょうか？

発生している問題・エラーメッセージ

エラーはありません

該当のソースコード

#LOO交差検定によるグリッドサーチでのハイパーパラメータの探索
 

param_range_lr_c1=[10**i for i in range(-5,6)]
param_range_kpca_gamma1=[10**i for i in range(-5,6)]

param_range_lr_c2=[10**i for i in range(-5,6)]
param_range_kpca_gamma2=[10**i for i in range(-5,6)]

entire_count1=len(targets1)
entire_count2=len(targets2)

predicted_labels1=[]
predicted_labels2=[]


best_score=0


for lr_c1 in param_range_lr_c1:
    for kpca_gamma1 in param_range_kpca_gamma1:
        for lr_c2 in param_range_lr_c2:
            for kpca_gamma2 in param_range_kpca_gamma2:
                sckit_kpca1=KPCA(n_components=None,kernel='rbf',gamma=kpca_gamma1)
                sckit_kpca2=KPCA(n_components=None,kernel='rbf',gamma=kpca_gamma2)
                
                correct_answer_count=0
                for test_index in range(entire_count1):
                    
                    
                    test_index=np.array([test_index])
                    
                    train_array1=np.array([range(entire_count1)])
                    train_index1=np.delete(train_array1,test_index)
                    
                    
                    train_data1=np.delete(features1,test_index,0)
                    test_data=features1[test_index]
                    
                    targets_train1=np.delete(targets1,test_index,0)
                    targets_test1=targets1[test_index]
                    
                    pipe_lr1=make_pipeline(StandardScaler(),\
                                                  sckit_kpca1,\
                                                  LogisticRegression(penalty="l2",\
                                                                     C=lr_c1,\
                                                                     random_state=1,\
                                                                     ))
                
                    pipe_lr1.fit(train_data1,targets_train1)
                    
                    predicted_label1 = pipe_lr1.predict(test_data)#この部分が更新されません
                    predicted_labels1.append(predicted_label1)
                    
                    if predicted_label1==targets_test1: #正解
                        if predicted_label1==0: #その他をその他
                            
                            train_array2=np.array([range(entire_count2)])
                            train_index2=np.delete(train_array2,test_index)
                            
                            
                            train_data2=np.delete(features2,test_index,0)
                            test_data=features2[test_index]
                            
                            targets_train2=np.delete(targets2,test_index,0)
                            targets_test2=targets2[test_index]
                            
                            pipe_lr2=make_pipeline(StandardScaler(),\
                                                          sckit_kpca2,\
                                                          LogisticRegression(penalty="l2",\
                                                                             C=lr_c2,\
                                                                             random_state=1,\
                                                                             ))
                        
                            pipe_lr2.fit(train_data2,targets_train2)
                            
                            predicted_label2 = pipe_lr2.predict(test_data)#この部分が更新されません
                            predicted_labels2.append(predicted_label2)
                            
                            if predicted_label2==targets_test2:
                                correct_answer_count+=1
                                if targets_test2==1: #健常を健常で正解
                                    pass
                                else: #うつをうつで正解
                                    pass    
                            else:
                                if targets_test2==0:#うつを健常のミス
                                    pass
                                else: #健常をうつのミス
                                    pass
                                
                        else: #不安を不安
                            correct_answer_count+=1
                    
                    else:
                        if targets_test1==0:#不安をその他のミス
                            pass
                        else: #その他を不安のミス
                            pass
        
        test_score=float(correct_answer_count)/float(entire_count1)
        
        if test_score > best_score:
            best_score=test_score
            best_params={"kpca_gamma1":kpca_gamma1,"lr_c1":lr_c1,"kpca_gamma2":kpca_gamma2,"lr_c2":lr_c2}    
            
print(best_score)
print(best_params)