cross_val_score中的参数

`cross_val_score`是scikit-learn库中的一个功能，用于评估模型的性能，特别是当您想使用交叉验证技术来避免过拟合并获得更稳定的估计时。该函数的基本语法如下：

from sklearn.model_selection import cross_val_score
scores = cross_val_score(estimator, X, y, cv=None, scoring=None, ...)

其中，参数解释如下：

1. **estimator**：需要评估的模型实例。
2. **X**：输入的特征数据。
3. **y**：对应的标签或目标值。
4. **cv**（Cross-validation）：交叉验证策略，可以是一个整数表示分割成多少份，也可以是`StratifiedKFold`等分层抽样策略，或者是自定义的迭代器。如果设置为None，则默认采用`KFold`，一般推荐使用。
5. **scoring**：评估指标，如`accuracy`, `precision`, `recall`等，或者可以是一个字符串，对应sklearn内置的评估函数名。
6. **...**：其他可选参数，比如`n_jobs`用于并行计算。

例如，如果我们想要使用5折交叉验证评估线性回归模型的R^2分数：

from sklearn.linear_model import LinearRegression
from sklearn.metrics import make_scorer
from sklearn.model_selection import cross_val_score

model = LinearRegression()
r2_scorer = make_scorer(r2_score) # 自定义r^2得分函数
scores = cross_val_score(model, X, y, cv=5, scoring=r2_scorer)