Scikit-learn中怎么实现交叉验证

在Scikit-learn中实现交叉验证可以使用cross_val_score函数。该函数可以帮助我们评估模型的性能，并且可以指定交叉验证的折数。

下面是一个示例代码：

from sklearn.model_selection import cross_val_scorefrom sklearn.datasets import load_irisfrom sklearn.linear_model import LogisticRegression# 加载数据集iris = load_iris()X, y = iris.data, iris.target# 初始化模型model = LogisticRegression()# 进行交叉验证scores = cross_val_score(model, X, y, cv=5)  # 5折交叉验证print("交叉验证得分：", scores)print("平均得分：", scores.mean())

在这个示例中，我们使用cross_val_score函数对一个逻辑回归模型进行了5折交叉验证，并输出了每一折的得分以及平均得分。您可以根据需要修改模型、数据集以及交叉验证的折数来实现不同的交叉验证方式。