cross_val_score函数的参数scoring

参数scoring指定了评分方法，即用于衡量模型性能的方法。scoring参数可以接受多种不同的值，例如：

1. accuracy：分类问题中的准确率。

2. f1：分类问题中的F1分数。

3. precision：分类问题中的精确度。

4. recall：分类问题中的召回率。

5. roc_auc：基于ROC曲线下面积的AUC分数。

6. mean_squared_error：回归问题中的均方误差。

7. r2：回归问题中的R²分数。

8. neg_log_loss：对数损失函数的负值，用于二元分类问题。

9. neg_mean_absolute_error：回归问题中的平均绝对误差的负值。

10. neg_mean_squared_error：回归问题中的均方误差的负值。

等等。

具体选择哪种评分方法取决于具体的问题和模型，需要根据实际情况进行选择。