对模型进行交叉验证

什么是交叉验证

将训练数据集分为abc三组，通过ab训练出的模型被c验证，通过bc训练出的模型被a验证，通过ac训练出的模型被b验证，然后看在哪些超参数下，这个模型在3组验证中效果最好，那就选用该超参数组合

为什么要用到交叉验证

因为如果选用训练数据集训练模型，测试数据集来测试模型，那么有可能训练出来的模型会对测试数据集过拟合，因为我们一直是在针对测试数据集来调参，从而无法获得最佳的模型，如果使用交叉验证，我们会先通过训练数据集来充分训练模型，然后用测试数据集对整个模型进行最终的评判，类似下图中，引入验证数据的概念一样，不过下图这种会过拟合验证数据，所以通过交叉验证的方式，防止模型对某份数据过于拟合

如何使用交叉验证

代码如下，主要看cross_val_score这个函数，这个是通过交叉验证方式得出3组模型的各自的准确度

import numpy as np
from sklearn import datasets
from sklearn.model_sele