k折交叉验证代码cross_val_predict()

k折交叉验证是一种常用的模型评估方法，它可以帮助我们更好地评估模型的性能。在scikit-learn中，我们可以使用cross_val_predict()函数来实现k折交叉验证。该函数可以返回每个测试样本的预测值，这些预测值是通过在k-1个训练样本上训练模型并在剩余的1个测试样本上进行预测得到的。具体来说，cross_val_predict()函数的参数包括：estimator（估计器对象）、X（特征矩阵）、y（标签向量）、cv（交叉验证生成器对象）和n_jobs（并行运行的作业数）。下面是一个使用cross_val_predict()函数进行k折交叉验证的示例代码：

from sklearn.model_selection import cross_val_predict
from sklearn import datasets
from sklearn import svm

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 创建SVM分类器
clf = svm.SVC(kernel='linear', C=1, random_state=42)

# 使用5折交叉验证进行模型评估
y_pred = cross_val_predict(clf, X, y, cv=5)

# 输出预测结果
print(y_pred)

在上面的代码中，我们使用了iris数据集和SVM分类器来进行k折交叉验证。具体来说，我们使用cross_val_predict()函数对SVM分类器进行了5折交叉验证，并输出了预测结果。