cross_val_score用法

`cross_val_score` 是 Scikit-learn 库中的一个函数，用于进行交叉验证，可以对模型的性能进行估计。

函数的基本用法如下：

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：

- `estimator`: 模型对象，需要实现 `fit` 方法和 `predict` 方法；
- `X`: 特征矩阵；
- `y`: 标签；
- `cv`: 交叉验证方法，默认为 5 折交叉验证；
- `scoring`: 评价指标，可以是字符串或自定义的评价函数，默认为 None。

函数的返回值是一个数组，其中每个元素表示一次交叉验证的得分。

例如，假设我们有一个分类器对象 `clf`，特征矩阵 `X` 和标签 `y`，我们可以用以下代码进行 5 折交叉验证，并计算平均得分：

from sklearn.model_selection import cross_val_score

scores = cross_val_score(clf, X, y, cv=5)
print("Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))

其中，`scores.mean()` 表示得分的平均值，`scores.std() * 2` 表示得分的标准差。