sklearn joblib 交叉验证函数 cross_val_score

sklearn.model_selection.cross_val_score(estimator, X, y=None, groups=None, scoring=None, cv=’warn’, n_jobs=None, verbose=0, fit_params=None, pre_dispatch=‘2*n_jobs’, scoring=’raise-deprecating’)

只介绍几个常用的参数：

• estimator 将要训练的模型
• X 训练集
• y 标签
• scoring： string 选择返回的误差函数类型，
• cv : int 默认分成3个folds，指定后分成cv个folds

简单的介绍一下k-folds 交叉验证：
随机将数据集分为k个不同的子集，称为folds， 然后在训练和验证决策树模型k次，每一次选择一个不同的子集作为验证集，在另外k-1个子集上训练。返回结果是结果是一个长度为k 的数组，值为在k个fold上的误差值

def display_scores(scores):
    print("Scores:", scores