sklearn评估k折交叉验证

对于 sklearn 中的 k 折交叉验证，你可以使用 `cross_val_score` 函数来评估模型性能。这个函数会自动将数据划分为 k 个子集，并进行 k 次模型训练和评估。

以下是一个使用 k 折交叉验证评估模型的示例代码：

from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression

# 创建示例数据集
X, y = make_classification(n_samples=1000, n_features=20, random_state=42)

# 创建模型对象
model = LogisticRegression()

# 使用 k 折交叉验证评估模型
scores = cross_val_score(model, X, y, cv=5)  # cv 参数指定 k 的值

# 打印每次交叉验证的得分
print("Cross-validation scores:", scores)

# 打印平均得分
print("Average score:", scores.mean())

在这个示例中，我们创建了一个 LogisticRegression 模型并使用 `cross_val_score` 函数进行了 5 折交叉验证。它返回一个包含每次交叉验证得分的数组，我们可以打印出来并计算平均得分。

希望这可以帮助到你！如果有其他问题，请随时提问。