Python 机器学习k折交叉验证并评价评价的代码

以下是Python机器学习k折交叉验证并评价的代码:

from sklearn.model_selection import KFold, cross_val_score
from sklearn.metrics import accuracy_score
from sklearn.svm import SVC
from sklearn.datasets import load_iris

# 加载数据集
data = load_iris()
X = data.data  # 特征矩阵
y = data.target  # 标签

# 定义分类器
clf = SVC(kernel='linear', C=1, random_state=42)

# 定义k折交叉验证
kf = KFold(n_splits=5, random_state=42)

# 进行交叉验证评分
scores = cross_val_score(clf, X, y, cv=kf, scoring='accuracy')

# 计算平均得分
mean_score = scores.mean()

# 输出平均得分
print("平均得分：", mean_score)

这段代码演示了如何利用sklearn库实现k折交叉验证并评价分类器的性能。在这个例子中，我们使用SVM算法对鸢尾花数据集进行分类，并利用5折交叉验证评价分类器的性能。最后，我们计算并输出分类器的平均得分。