cross_val_score():
# cross_val_score(estimator, X, y=None, scoring=None, cv=None, n_jobs=1)
# 该函数用交叉检验(cross-validation)来估计一个模型的得分
# estimator:需要一个模型对象
# X和y分别表示自变量和因变量
# scoring:需要string, callable or None,表示通过哪个机制来打分
# scoring='r2'根据r2(判定系数)来评价模型
# cv: 需要int,cross_validation generator or an iterable,默认为3重交叉检验
# *int:表示交叉检验的重数, int=n代表n重交叉检验
# *cross_validation generator:一个交叉检验生成器的对象
# *an iterable:一个迭代器,它可以限制训练集和测试集的划分
# n_jobs=1:计算时使用的CPU的数量,-1代表使用所有的CPU
# cross_val_score的返回值是一个数组,数组中的元素是每次交叉检验模型的得分。
ShuffleSplit():
# ShuffleSplit(n_splits=10,test_size=0.1,train_size=None,random_state=None)是一个交叉检验迭代器
# n_splits: 代表迭代次数,默认为10。每迭代一次就按照test_size或者train_size生成相应的训练集和测试集
# test_size: 需要float, int or None,默认值为0.1
# *float