我使用了跟老师完全一样的代码，为什么输出的结果是KNeighborsClassifier(n_neighbors=1)？
这个结果为什么只出现一个参数，这是代表其它参数全部取默认值吗？
另外我之前在设置train_test_split函数的时候将test_size的值设置成了0.25,出来的结果跟这个也不一样，这个我倒是能够理解一些，不过在像老师一样改成0.2之后发现差别太大了

另外，不仅是这段代码，就算是之前在从底层编写KNN和评判标准的时候得出的结果也与老师的不一样，真的无法理解

我的代码如下：

import sklearn
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV
from sklearn import datasets
from sklearn.model_selection import train_test_split
digits = datasets.load_digits()
X_train,X_test,y_train,y_test = train_test_split(digits.data,digits.target,test_size = 0.2,random_state = 666)
'''网格搜索函数需要的变量是一个包含字典的列表'''
param_grid = [
    {
        'weights':['uniform'],
        'n_neighbors': [i for i in range(1,11)]
    },
    {
        'weights': ['distance'],
        'n_neighbors':[i for i in range(1,11)],
        'p':[p for p in range(1,6)]
    }
]
knn_clf = KNeighborsClassifier()
'''初始化网格搜索'''
grid_search = GridSearchCV(knn_clf,param_grid)#将机器学习的方法和网格搜索变量导入
grid_search.fit(X_train,y_train)#进行训练
'''现在可以用grid_search导出结果了'''
print(grid_search.best_estimator_)