在机器学习领域，模型评估是至关重要的一环。而`cross_val_score`函数正是一个强大的工具，帮助我们高效地完成这一任务！✨

首先，什么是K折交叉验证？简单来说，就是将数据集分成K个子集，每次用其中一个子集作为验证集，其余作为训练集，重复K次后计算平均得分。这种方法能有效避免过拟合，提升模型泛化能力。💪

接着，让我们看看`cross_val_score`如何操作👇：

- 它需要传入模型对象、特征矩阵X和目标变量y；

- 可以通过参数指定K值（如cv=5）以及评分标准（如scoring='accuracy'）。

举个栗子：假如你正在训练一个分类器，只需一行代码即可轻松实现5折交叉验证，并获得准确率分数！🚀

最后提醒大家，在实际应用中要注意数据预处理和随机性设置哦～ 🧑‍💻

机器学习 Python 数据分析