在skearn0.18版本中存在sklearn.cross_validation.KFold，现在基本被sklearn.model_selection.KFold代替
思路：将训练/测试数据集划分n_splits个互斥子集，每次用其中一个子集当作验证集，剩下的n_splits-1个作为训练集，进行n_splits次训练和测试，得到n_splits个结果
sklearn.model_selection.KFold， K折交叉验证：kf=sklearn.model_selection.KFold(n_splits=n, shuffle=False, random_state=None) 思路：将训练/测试数据集划分n_splits
- n: 元素个数
- n_splits: 几折
- shuffle: 是否打乱排序
- random_state：如何随机化（默认值None，采用np.random）
- 返回值类型：list
图中便是5折，使用for循环可以输出5次，蓝色的是train，橙色的是test
常常在KFold的for循环中使用enumerate函数，便于看清这是第几次for循环
属性：
①get_n_splits(X=None, y=None, groups=None)：获取参数n_splits的值
②split(X, y=None, groups=None)：将数据集划分成训练集和测试集，返回索引生成器