将Excel数据导入Python后进行五折交叉验证的Python代码

下面是一个将Excel数据导入Python后进行五折交叉验证的Python代码示例：

import pandas as pd
from sklearn.model_selection import KFold
from sklearn.linear_model import LinearRegression

# 导入Excel数据
data = pd.read_excel('data.xlsx')

# 将数据拆分为特征和目标变量
X = data.drop('target', axis=1)
y = data['target']

# 初始化线性回归模型
model = LinearRegression()

# 初始化五折交叉验证
kf = KFold(n_splits=5)

# 定义空列表用于存储每个交叉验证的得分
scores = []

# 循环进行五折交叉验证
for train_idx, test_idx in kf.split(X):
    # 将数据拆分为训练集和测试集
    X_train, X_test = X.iloc[train_idx], X.iloc[test_idx]
    y_train, y_test = y.iloc[train_idx], y.iloc[test_idx]
    
    # 训练模型
    model.fit(X_train, y_train)
    
    # 计算测试集得分并将其添加到分数列表中
    score = model.score(X_test, y_test)
    scores.append(score)

# 打印每个交叉验证的得分和平均得分
for i, score in enumerate(scores):
    print(f"Fold {i+1} score: {score}")
print(f"Average score: {sum(scores)/len(scores)}")

在这个示例中，我们首先使用Pandas读取Excel文件中的数据。然后，我们将数据拆分为特征和目标变量。接下来，我们初始化一个线性回归模型，并使用sklearn的KFold类初始化五折交叉验证。然后，我们循环进行五折交叉验证，将数据拆分为训练集和测试集，并使用训练集训练模型。在每个交叉验证中，我们计算测试集得分并将其添加到分数列表中。最后，我们打印每个交叉验证的得分和平均得分。