交叉验证中cv=? 与 cv=KFold(n_splits=?)的区别

这几天复习交叉验证的时候发现一个问题，学习资料中有些地方用的函数中cv=?，有些地方则用的cv=KFold(n_splits=?) 这个函数，就比如我用KNN模型做十折交叉验证：

model = sk_neighbors.KNeighborsClassifier(n_neighbors=5,n_jobs=1) #KNN分类
import sklearn.model_selection as sk_model_selection
accs=sk_model_selection.cross_val_score(model, iris_X, y=iris_y, scoring=None,cv=10, n_jobs=1)
print('交叉验证结果:',accs)

这里面第三行用的cv=10。然后在我的Titanic实战中：

kf = KFold(titanic.shape[0], n_splits=10, random_state=1, shuffle=False)

这里用kfold函数中的n_splits代表分十份。为什么呢？？？

我在StackExchange这个网站发现老外说的这些话：
When an integer is passed to the cv parameter of cross_val_score():

• StratifiedKFold is used if the estimator is a classifier and y is either binary or multiclass.
• In all other cases, KFold is used.

啥意思呢？ 如果估计器是一个分类器，并且y是二进制或多类，则使用StratifiedKFold，如果是其他情况，就用KFold

这里的StratifiedKFold是啥？cv=StratifiedKFold(n_splits=10)其实就等价于cv=10
同样也有cv=KFold(n_splits=10)))

遵从这个标准，可以让结果变得更好！