kfold cross_validate Stratified KFold StratifiedKFold 和 StratifiedShuffleSplit 交叉验证方法

1. cross_validate 交叉验证，cv为折数，score是验证折数据， cross_val_score
2. kfold 交叉验证迭代器 LeaveOneOut ，LeavePOut
3. StratifiedKFold k-fold 的变种，会返回 stratified（分层） 的折叠：每个小集合中， 各个类别的样例比例大致和完整数据集中相同。 StratifiedShuffleSplit 会返回直接的划分，比如： 创建一个划分，但是划分中每个类的比例和完整数据集中的相同。

from sklearn.model_selection import train_test_split,cross_val_score,cross_validate # 交叉验证所需的函数
from sklearn.model_selection import KFold,LeaveOneOut,LeavePOut,ShuffleSplit # 交叉验证所需的子集划分方法
from sklearn.model_selection import StratifiedKFold,StratifiedShuffleSplit # 分层分割
from sklearn.model_selection import GroupKFold,LeaveOneGroupOut,LeavePGroupsOut,GroupShuffleSplit # 分组分割
from sklearn.model_selection import TimeSeriesSplit # 时间序列分割
from sklearn import datasets # 自带数据集
from sklearn import svm # SVM算法
from sklearn import preprocessing # 预处理模块
from sklearn.metrics import recall_score # 模型度量

iris = datasets.load_iris() # 加载数据集
print(‘样本集大小：’,iris.data.shape,iris.target.shape)

=========数据集划分,训练模型

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, te