'mean_score','mean_std'の性能評価

Question

下記のコードでの、 'mean_score','mean_std'でのパラメータの性能評価方法が知りたいです。
'mean_score'の高いパラメーターを選択するでは、だめなのでしょうか。
よろしくお願いいたします。
下記に自分なりの解釈を追加掲載しました。
自分なりの考え：cv（クロスヴァリエーション）セット（今回はcv=3）で、３分割交差検証をしてあり、
各テストデータごとにスコア（これは、予測値と実測値の比較した分類正解率）を算出する。そのスコア
が３通り出るので、その平均値が'mean_score'、また複数のスコア（n=3）の標準偏差が'mean_std'と
いうもの。よって、'mean_score'の高いパラメーターを選択するのが基本となる。

import numpy as np
import pandas as pd

def get_grid_df(fitted_gs_estimator):
    res_dict = fitted_gs_estimator.cv_results_
 
    results_df = pd.DataFrame()
    for key in res_dict.keys():
         results_df[key] = res_dict[key]
 
    return results_df

def group_report(results_df):
    param_cols = [x for x in results_df.columns if 'param' in x and x is not 'params']
    focus_cols = param_cols + ['mean_test_score']
 
    print ("Grid CV Report \n")
 
    output_df = pd.DataFrame(columns = ['param_type','param_set', 'mean_score','mean_std'])
    cc = 0
    for param in param_cols:
        for key,group in results_df.groupby(param):
            output_df.loc[cc] = (param, key, group['mean_test_score'].mean(), group['mean_test_score'].std())
            cc += 1
    return output_df

results_df = get_grid_df(pre_gs_inst)
group_report(results_df)

Answer 1

cv（クロスヴァリエーション）セット（今回はcv=3）で、３分割交差検証をしてあり、
各テストデータごとにスコア（これは、予測値と実測値の比較した分類正解率）を算出する。そのスコア
が３通り出るので、その平均値が'mean_score'、また複数のスコア（n=3）の標準偏差が'mean_std'と
いうもの。よって、'mean_score'の高いパラメーターを選択するのが基本となる。

皆様、異論や参考意見をお待ちしています。