运用sklearn.model_selection.cross_val_score接口，进行模型的5折交叉验证代码

以下是一个使用sklearn.model_selection.cross_val_score接口进行模型的5折交叉验证的示例代码：

from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import cross_val_score

# 加载鸢尾花数据集
iris = load_iris()

# 创建KNN分类器对象
knn = KNeighborsClassifier(n_neighbors=5)

# 进行5折交叉验证
scores = cross_val_score(knn, iris.data, iris.target, cv=5)

# 输出5次交叉验证的准确率
print(scores)

在上述示例代码中，我们加载了鸢尾花数据集，并创建了一个KNN分类器对象。然后，我们使用cross_val_score接口进行5折交叉验证，并将结果存储在scores变量中。最后，我们输出了5次交叉验证的准确率。