k折交叉验证 python

K折交叉验证（k-fold cross-validation）是一种常用的模型评估方法，特别适用于样本数据较少的情况。在Python中，可以使用scikit-learn库来实现K折交叉验证。

以下是一个简单的K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

# 创建支持向量机分类器
clf = svm.SVC(kernel='linear', C=1, random_state=42)

# 进行K折交叉验证
scores = cross_val_score(clf, X, y, cv=5)

# 打印每一折的准确率
print("准确率：", scores)

# 打印平均准确率
print("平均准确率：", scores.mean())

在上面的代码中，我们使用了鸢尾花（iris）数据集作为示例数据。首先，我们加载数据集并将其分为特征矩阵（X）和目标向量（y）。然后，我们创建了一个支持向量机（SVM）分类器，并使用`cross_val_score`函数进行K折交叉验证。参数`cv=5`表示将数据集分成5个折（即5倍交叉验证）。最后，我们打印出每一折的准确率和平均准确率。

希望这个示例能够帮助你理解如何在Python中使用K折交叉验证。如有任何疑问，请随时提问！