python cross val score_sklearn函数：cross_val_score（交叉验证评分）

sklearn.model_selection.cross_val_score(estimator,X,y=None,*,groups=None,scoring=None,cv=None,n_jobs=None,verbose=0,fit_params=None,pre_dispatch='2*n_jobs',error_score=nan)

前面我们提到了4种分割数据集的方法，在分割完数据集后，我们训练模型，那模型的表现到底如何呢？我们可以使用这个函数来看模型的评分。estimator：estimator object implementing ‘fit’

我们的算法模型X：array-like of shape (n_samples, n_features)

y：array-like of shape (n_samples,) or (n_samples, n_outputs), default=None

我们的数据集cv：int, cross-validation generator or an iterable, default=None

我们要进行的交叉验证的方法

几个常用的参数如上所示，下面，我们举几个小栗子。

KFold

关于KFold参考：橘猫吃不胖：sklearn函数：KFold(分割训练集和测试集)​zhuanlan.zhihu.com

对于K折交叉验证， K的取值，通常为3、5、10

import pandas as pd

impo