随机梯度增强可带来不可预测的结果

Question

我正在使用用于Python的Scikit模块来实现随机梯度增强。我的数据集具有2700个实例和1700个特征（x），并包含二进制数据。我的输出向量是“ y”，并且包含0或1（二进制分类）。我的代码是

gb = GradientBoostingClassifier(n_estimators=1000,learn_rate=1,subsample=0.5)

 gb.fit(x,y)

print gb.score(x,y)

一旦运行，它的精度为1.0（100％），有时我的精度约为0.46（46％）。知道为什么它的性能如此巨大的差距吗？