Почему результаты xgboost.cv значитеьно лучше, чем XGBClassifier на GridSearchCV

Бинарная классификация несбалансированные данные. Важный класс (10%) Нахожу лучшие гипперпараметры на xgboost.cv для максимально возможного AUC

Прогоняю эти же параметры в GridSearchCV на XGBoostClassifire, но с поставленным num_boost_round (найден на xgboost.cv) вместо n_estimators. Получаю худшие результаты (roc_auc).

В обоих случаях стратификация без перемешивания, с количеством разбиений = 5. Вне зависимости от использованного датасета xgboost.cv всегда выдает больший auc, чем auc_roc у XGBClassifier