以下使用 scikit-learn 進行 KNN 模型交叉驗證的程式碼，執行後 cv_scores 的型別和長度為何？ ```python from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import cross_val_score from sklearn.datasets import load_iris X, y = load_iris(return_X_y=True) knn = KNeighborsClassifier(n_neighbors=5) cv_scores = cross_val_score(knn, X, y, cv=5) print(type(cv_scores), len(cv_scores)) ```
iPAS 考題解析
以下使用 scikit-learn 進行 KNN 模型交叉驗證的程式碼，執行後 cv_scores 的型別和長度為何？ ```python from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import cross_val_score from sklearn.datasets import load_iris X, y = load_iris(return_X_y=True) knn = KNeighborsClassifier(n_neighbors=5) cv_scores = cross_val_score(knn, X, y, cv=5) print(type(cv_scores), len(cv_scores)) ```
- A. float, 1（只有一個平均分）
- B. numpy.ndarray, 5（每個 fold 一個分數） ✓ 正確答案
- C. list, 5（Python 列表）
- D. dict, 5（包含 train/test 分數）
詳細解析
cross_val_score 回傳 numpy.ndarray，長度等於 cv 參數（5），每個元素是對應 fold 的驗證集準確率。若要取平均，需另外呼叫 .mean()。這是常見考點：cross_val_score 回傳陣列，不是單一平均值。