• cv_results* 只是返回分数，这些分数展示了模型在预测分割样本（在本例中指定为5）的数据时的表现。

它不是一个可以用于预测目的的模型。
例如，当考虑使用分类模型预测酒店取消的单独problem时，使用随机森林分类器的5倍交叉验证产生以下测试分数：

>>> from sklearn.model_selection import cross_validate
>>> cv_results = cross_validate(clf, x1_train, y1_train, cv=5)
>>> cv_results

{'fit_time': array([1.09486771, 1.13821363, 1.11560798, 1.08220959, 1.06806993]),
 'score_time': array([0.07809329, 0.10946631, 0.09018588, 0.07582998, 0.07735801]),
 'test_score': array([0.84440007, 0.85172242, 0.85322017, 0.84656349, 0.84190381])}

但是，当尝试使用此模型进行预测时，会返回相同的错误消息：

>>> from sklearn.model_selection import cross_validate
>>> cv_results = cross_validate(clf, x1_train, y1_train, cv=5)
>>> cv_results
>>> R_y_pred = cv_results.predict(x1_val)
>>> print(classification_report(y_test, R_y_pred))

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
Cell In[33], line 4
      2 cv_results = cross_validate(clf, x1_train, y1_train, cv=5)
      3 cv_results
----> 4 R_y_pred = cv_results.predict(x1_val)
      5 print(classification_report(y_test, R_y_pred))

AttributeError: 'dict' object has no attribute 'predict'