cross_val_score怎么用

cross_val_score是scikit-learn中的一个函数，用于评估模型的性能。它可以帮助我们在训练数据集上进行交叉验证，并返回每个折叠的得分。使用cross_val_score的步骤如下：

1. 导入需要的库和模型
2. 加载数据集
3. 定义模型
4. 使用cross_val_score函数进行交叉验证，并指定需要评估的指标和折叠数量

例如，以下是使用cross_val_score评估一个线性回归模型的代码：

from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston

# 加载数据集
boston = load_boston()

# 定义模型
model = LinearRegression()

# 使用cross_val_score进行交叉验证
scores = cross_val_score(model, boston.data, boston.target, cv=5, scoring='neg_mean_squared_error')

# 输出每个折叠的得分
print(scores)

在这个例子中，我们使用了load_boston函数加载了一个波士顿房价数据集，然后定义了一个线性回归模型。接着，我们使用cross_val_score函数对模型进行了交叉验证，并指定了折叠数量为5，评估指标为均方误差的负数。最后，我们输出了每个折叠的得分。