sklearn.model_selection.cross_val_score()进行k折交叉验证

cross_val_score(model_name, X,y， cv=k)

作用：验证某个模型在某个训练集上的稳定性，输出k个预测精度。

K折交叉验证（k-fold）

把初始训练样本分成k份，其中（k-1）份被用作训练集，剩下一份被用作评估集，这样一共可以对分类器做k次训练，并且得到k个训练结果。

Python实现方法：
逻辑回归k折交叉验证：

from sklearn.model_selection import cross_val_score
clf = sklearn.linear_model.LogisticRegression()
# X:features  y:targets  cv:k
cross_val_score(clf, X, y, cv=10)

svm的k折交叉验证：

from sklearn.model_selection import cross_val_score
clf = svm.SVC()    ##分类器
cross_val_score(clf, X, y, cv=10)   ###交叉验证
print('Estimated score SVM: %0.5f (+/- %0.5f)' % (scores.mean(), scores.std()/2))