from sklearn import model_selection as cv scores = cv.cross_val_score(clf, X_train, y_train, cv = 5) score = scores.mean() print("交叉验证正确率：{}%".format(round(score*100, 2)))

这是一个使用 scikit-learn 库中的交叉验证评估模型性能的操作。假设 clf 是一个已经定义好的分类模型，X_train 和 y_train 是训练集数据和标签，cv = 5 表示使用 5 折交叉验证来评估模型性能。该语句使用 cross_val_score 函数对模型进行交叉验证，返回五次验证的得分，将这五次得分取平均值作为最终的交叉验证得分。该操作可以用于评估模型的泛化能力，避免模型在特定数据集上过拟合。