写一段代码用Scikit-learn，可以将数据划分为十份，每次用其中九份作为训练集，一个份作为验证集，循环十次，计算平均准确率和AUC曲线

下面是使用Scikit-learn库的代码示例，它可以将数据划分为十份，并将九个子集用作训练集，一个子集用作验证集，循环十次，计算平均准确率和AUC曲线：

from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import accuracy_score, roc_auc_score
import numpy as np

X = #数据特征
y = #数据标签

skf = StratifiedKFold(n_splits=10)

acc_scores = []
auc_scores = []

for train_index, test_index in skf.split(X, y):
    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 = #你的模型
    
    y_pred = model.predict(X_test)
    acc_score = accuracy_score(y_test, y_pred)
    auc_score = roc_auc_score(y_test, y_pred)
    
    acc_scores.append(acc_score)
    auc_scores.append(auc_score)

mean_acc_score = np.mean(acc_scores)
mean_auc_score = np.mean(auc_scores)

注意：这是一个伪代码示例，需要根据具体的情况进行调整。