k-fold本身不评估稳定性，真正反映稳定性的指标是各折分数的标准差；标准差越小，模型表现越一致。平均准确率会掩盖某折严重异常（如[0.92, 0.91, 0.93, 0.55, 0.90]均值0.84但一折仅0.55），须用cross_val_score获取全部原始分并计算std，>0.03需排查原因。
直接说结论：K-Fold 本身不评估“稳定性”，它只是把数据切分后重复训练评估，真正反映稳定性的，是各折 score 的标准差（或极差）——标准差越小，模型在不同子集上的表现越一致，才说明稳定性好。
为什么不能只看平均准确率？
平均准确率高，可能掩盖某几折严重过拟合或欠拟合。比如 5 折结果是 [0.92, 0.91, 0.93, 0.55, 0.90]，均值 0.84 看似还行，但第 4 折掉到 0.55，明显存在数据划分敏感或异常样本干扰。这时候光报 cross_val_score(...).mean() 就会误判。
实操建议：
- 永远同时获取所有折的原始分数：
cv_results = cross_val_score(model, X, y, cv=5)，而不是只调用.mean() - 用
np.std(cv_results)看离散程度；若 > 0.03（分类任务），就得查原因 - 配合
cross_val_predict检查各折预测结果分布，比单纯看 score 更早发现 label leakage 或 stratification 失效
cross_val_score 默认用什么评分？怎么改？
默认用模型自身的 score() 方法（如 LogisticRegression.score() 返回 accuracy）。但这不总是你想要的——比如类别不平衡时 accuracy 毫无意义。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
实操建议：
- 显式传入
scoring参数，避免隐式依赖：scoring='f1'、scoring='roc_auc'、scoring='neg_mean_squared_error'（注意带neg_前缀的回归指标是负值） - 多指标评估必须用
cross_val_predict+ 手动计算，cross_val_score不支持一次返回多个 score - 自定义 scorer 要用
make_scorer包装，尤其当函数需要greater_is_better=False（如误差类指标）
为什么 K=5 不一定比 K=10 更稳定？
K 越大，每折训练集越接近全量数据，bias 越小，但方差往往变大——因为各折间训练集高度重叠，模型相似度高，偶然某个噪声样本被反复使用，会导致所有折 score 同步异常波动。
实操建议：
- 小数据集（
n_samples ）优先用 <code>StratifiedKFold(n_splits=3)，减少划分随机性影响 - 中等数据（1k–10k）用
StratifiedKFold(n_splits=5)是经验平衡点 - 不用
KFold（无分层）做分类任务，否则某折可能缺少数类样本，score直接报UndefinedMetricWarning - 想测稳定性？固定
random_state后，多次运行不同cv划分（如 5 次 5-fold），看 score 标准差的分布，比单次 K 增大更有说服力
真正容易被忽略的点：稳定性不是模型固有属性，它和数据划分方式强相关。同一模型在 StratifiedKFold 下 std=0.01，在普通 KFold 下可能飙到 0.08——别急着调参，先检查 cv 对象是不是真适合你的标签分布。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
