在scikit-learn中，可以使用 train_test_split 快速地将数据集分为训练数据和测试数据。当我们评估不同的设置（超参数）时，在测试集上仍然存在着过拟合风险，因为参数要不断调整到模型最佳为止。在这个过程中，关于测试集的知识就会“泄漏”到模型中，评估指标也不再泛化。为了解决这个问题，数据集的一部分被作为“验证集”，在训练集上训练数据，然后在验证集上验证，直到模型看起来成功了，再在测试集上最终评价。
然而，把数据集分为三部分，我们用来学习模型的训练数据将减少，并且模型结果依赖划分数据集的特定随机数。
cross-validation (CV) 过程用来解决这个问题。测试数据集仍然用来做最终的评价，但是验证集不再需要。k折 CV方法，把训练数据划分为k 个小数据集，k-1 折数据用来训练，余下的数据用来评估。
k折 CV方法采用递归计算中的平均值作为模型评价，这种方法会导致较大的计算量，但是没有浪费数据。
计算CV指标
CV 最简单的方法是使用 cross_val_score函数。
from sklearn.model_selection import cross_val_score
clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, iris.data, iris.target, cv=5)
scores
每次CV迭代的得分默认使用模型的得分计算计算，也可以通过 scoring 参数修改，例如 scoring='f1_macro'。
当参数 cv 是整数时，使用 KFold 或 StratifiedKFold 策略，也可以使用其他划分策略。
cross_val_predit 对于每个输入，返回这个输入在测试集中的预测值。只有在cv策略把输入的所有元素都分配到测试集一次的情况下，才能使用。
分层数据的交叉验证（Cross-validation iterators with stratification based on class labels.）
对于不平衡分类问题，推荐使用 StratifiedKFold 和StratifiedShuffleSplit 确保在训练和测试集中保持近似的频率。
分组数据的交叉验证
GroupKFold
LeaveOneGroupOut
LeavePGroupsOut
GroupShuffleSplit
时间序列数据的交叉验证
TimeSeriesSplit
来源：http://scikit-learn.org/stable/modules/cross_validation.html
