五折交叉验证python代码

五折交叉验证是一种常用的机器学习模型评估方法，可以用于评估模型的性能和选择最佳的超参数。下面是一个使用 Python 进行五折交叉验证的示例代码：

from sklearn.model_selection import cross_val_score
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)

# 进行五折交叉验证并计算精度
scores = cross_val_score(clf, X, y, cv=5)
print("五折交叉验证精度：", scores)
print("平均精度：", scores.mean())

在这个示例中，我们使用了 scikit-learn 库进行五折交叉验证。首先，我们加载了一个经典的鸢尾花数据集 iris，并将特征矩阵存储在 X 中，目标向量存储在 y 中。然后，我们创建了一个支持向量机（SVM）分类器，并设置了一些参数。最后，我们使用 `cross_val_score` 函数进行五折交叉验证，并打印出每个折叠的精度以及平均精度。

注意，上述代码仅为示例，你可以根据实际需求调整模型和数据集。