使用Scikit-learn实现交叉验证

交叉验证是机器学习中常用的一种评估模型性能的方法。它通过将数据集分成若干个子集，然后多次训练和测试模型，最后取平均值来得到对模型性能的估计。在Scikit-learn库中，我们可以使用cross_val_score函数进行交叉验证。本文将介绍如何使用Scikit-learn实现交叉验证并提供相应的源代码。

首先，我们需要导入Scikit-learn库和其他必要的模块：

import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn import datasets
from sklearn import svm

接下来，我们将使用一个示例数据集来演示交叉验证的实现。这里我们选用Scikit-learn自带的鸢尾花数据集：