利用原本的数据集，记录交叉验证的各参数应用：
1、导入需要用到的库
from sklearn.datasets import load_boston from sklearn.model_selection import cross_val_score from sklearn.tree import DecisionTreeRegressor2、进行交叉验证
boston = load_boston() regressor = DecisionTreeRegressor(random_state=0) # 第一个参数是指实例化后算法模型，第二个参数是指未划分测试集和训练集的完整特征矩阵 # 第三个参数是指未划分测试集和训练集的完整标签矩阵，第四个参数是指交叉验证要划分的份数 # 第五个参数是指交叉验证要用的结果，作为衡量指标来评估模型，默认时用R方来进行评估 cross_val_score(regressor, boston.data, boston.target, cv=10, scoring = "neg_mean_squared_error")
