GridSearchCV

تابع grid_report(seed) را بنویسید که روی داده‌ی سرطان سینه (load_breast_cancer):

1. داده را با train_test_split(..., random_state=seed) تقسیم کند،
2. با GridSearchCV(KNeighborsClassifier(), {"n_neighbors": [1, 3, 5, 7, 9, 11, 15]}, cv=5) روی داده‌ی آموزش بهترین تعداد همسایه را پیدا کند،
3. و آرایه‌ای سه‌تایی برگرداند: بهترین n_neighbors، بهترین امتیاز اعتبارسنجی متقاطع (best_score_)، و دقت مدل نهایی روی داده‌ی آزمون.

GridSearchCV پس از جست‌وجو، مدل را با بهترین پارامتر روی کل داده‌ی آموزش دوباره آموزش می‌دهد؛ پس score خود آن روی داده‌ی آزمون همان چیزی است که لازم دارید.