cross_val_score

`cross_val_score`是scikit-learn库中的一个函数，用于评估模型的性能。它使用交叉验证来计算模型的准确性。交叉验证是一种将数据集分成许多互不重叠的子集，然后在每个子集上运行模型并对模型的性能进行评估的技术。通常，我们将数据集分成K个子集，然后对每个子集进行评估，每次评估使用其中的一个子集作为验证集，其余的子集作为训练集。这样可以避免过拟合，同时还可以让我们更好地评估模型的性能。

`cross_val_score`函数需要一个模型对象、数据集和评估指标作为输入，并返回一个数组，其中包含每个交叉验证迭代的得分。例如，以下代码使用`cross_val_score`函数评估了一个支持向量机模型在iris数据集上的性能：

from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score
from sklearn.svm import SVC

iris = load_iris()
X = iris.data
y = iris.target

svm = SVC(kernel='linear', C=1, random_state=42)
scores = cross_val_score(svm, X, y, cv=5, scoring='accuracy')
print(scores)

输出为：

[0.96666667 1.         0.96666667 0.96666667 1.        ]

这意味着模型在每个交叉验证迭代中都获得了很高的得分。