K折交叉验证python代码

下面是使用 scikit-learn 库进行 K 折交叉验证的代码示例：

from sklearn.model_selection import KFold
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
import numpy as np

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 定义 K 折交叉验证器
kf = KFold(n_splits=5, shuffle=True, random_state=42)

# 定义模型
model = LogisticRegression()

# 进行 K 折交叉验证
score_list = []
for train_index, test_index in kf.split(X):
    # 获取训练集和测试集
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    
    # 训练模型
    model.fit(X_train, y_train)
    
    # 评估模型
    score = model.score(X_test, y_test)
    score_list.append(score)

# 计算平均得分和标准差
mean_score = np.mean(score_list)
std_score = np.std(score_list)
print("Mean score:", mean_score)
print("Std score:", std_score)

在上面的代码中，我们使用 `load_iris()` 加载了一个经典的鸢尾花数据集，并使用 `KFold` 定义了一个 5 折交叉验证器。然后，我们定义了一个逻辑回归模型，并在 K 折交叉验证过程中对模型进行了训练和评估。最后，我们计算了所有折的得分的平均值和标准差。你可以根据实际情况修改代码，进行 K 折交叉验证。