从sklearn.svm导入LinearSVC
从sklearn.feature_extraction.text导入CountVectorizer
从sklearn.feature_extraction.text导入TfidfTransformer
从sklearn.metrics导入precision_score
X = data ['Review']] >>
y =数据['类别']] >>
tfidf = TfidfVectorizer（ngram_range =（1,1））
分类器= LinearSVC（）
[X_train，X_test，y_train，y_test = train_test_split（X，y，test_size = 0.3）
clf =管道（[（'tfidf'，tfidf），（“ CLF”，分类器）]）
clf.fit（X_train，y_train）
y_pred = clf.predict（X_test）
print（classification_report（y_test，y_pred））
accuracy_score（y_test，y_pred）
我应该在哪里更改为cross_val_score？
从sklearn.svm导入sklearn.feature_extraction.text的LinearSVC从sklearn.feature_extraction.text导入CountVectorizer从sklearn.metrics导入TfidfTransformer导入precision_score ...
来自sklearn documentation
使用交叉验证的最简单方法是在估计器和数据集上调用cross_val_score帮助函数。