Iterar GridSearchCV en múltiples conjuntos de datos da como resultado idéntico para cada uno.

Estoy intentando realizar una búsqueda de rejilla en Scikit-learn para un algoritmo específico con diferentes hiperparámetros sobre múltiples conjuntos de datos de entrenamiento almacenados en un diccionario dedicado. Primero, llamo a los diferentes hiperparámetros y al modelo que se va a utilizar:

from sklearn.model_selection import GridSearchCV
scoring = ['accuracy', 'balanced_accuracy', 'f1', 'precision', 'recall']
grid_search = {}

Para cada clave en las llaves de X_train_d:
cv = StratifiedKFold(n_splits=5, random_state=1)
model = XGBClassifier(objective=”binary:logistic”, random_state=42)
space = dict()
space[‘n_estimators’]=[50] # 200
space[‘learning_rate’]= [0.5] #0.01, 0.3, 0.5
grid_search= GridSearchCV(model, space, scoring=scoring, cv=cv, n_jobs=3, verbose=2, refit=’balanced_accuracy’)

Luego, creo un diccionario vacío que debería llenarse con tantos objetos GridSearchCV como X_train_d.keys(), a través de:

grid_result = {}
for key in X_train_d.keys():
    grid_result[key] = grid_search.fit(X_train_d[key], Y_train_d[key])

Finalmente, creo tantos conjuntos de datos como claves existentes informando sobre los resultados de puntuación, etc. a través de:

df_grid_results = {}
for key in X_train_d.keys():
    df_grid_results[key]=pd.DataFrame(grid_search.cv_results_)
    df_grid_results[key] = (
    df_grid_results[key]
    .set_index(df_grid_results[key]["params"].apply(
        lambda x: "_".join(str(val) for val in x.values()))
    )
    .rename_axis('kernel')
    )

Todo funciona “perfectamente”, en el sentido de que no se muestra ningún error, excepto por el hecho de que cuando inspecciono los diferentes objetos GridSearchCV o los conjuntos de datos df_grid_results, veo que los resultados son todos idénticos como si los modelos se ajustaran al mismo conjunto de datos una y otra vez, mientras que los diccionarios X_train_d y Y_train_d contienen conjuntos de datos diferentes.

Por supuesto, cuando ajusto un modelo individualmente, como:

model1_cv = grid_search.fit(X_train_d[1], Y_train_d[1])
model2_cv = grid_search.fit(X_train_d[2], Y_train_d[2])

Los resultados difieren como se esperaba.

Siento que estoy pasando por alto algo realmente estúpido y obvio aquí. ¿Alguien puede ayudar? ¡Gracias!