交叉验证法python示例

下面是一个基于Python的简单交叉验证法示例：

# 引入必要的库
from sklearn.model_selection import cross_val_score, KFold
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression

# 加载数据集
iris = load_iris()

# 创建逻辑回归模型实例
logreg = LogisticRegression()

# 划分数据集为 k 折
kf = KFold(n_splits=5, shuffle=True, random_state=42)

# 使用交叉验证法对模型进行评估，返回每个折叠的得分
scores = cross_val_score(logreg, iris.data, iris.target, cv=kf)

# 打印每个折叠的得分和平均得分
print(f'Scores for each fold: {scores}')
print(f'Mean score across all folds: {scores.mean()}')

这个示例代码首先加载iris数据集，然后创建一个逻辑回归模型实例。接下来使用K折算法将数据集划分为5个折叠，并用交叉验证法对模型进行评估。最后，我们打印了每个折叠的得分和平均得分。