모델이 얼마나 잘 맞히는지 한 번의 분할로만 재면 운에 휘둘려요. 교차검증은 데이터를 k 조각 으로 나눠, 한 조각씩 돌아가며 시험지로 쓰고 나머지로 학습해 점수를 k 번 낸 다음 평균을 보는 방법이에요. 한쪽에 치우치지 않은, 더 믿을 만한 점수를 주죠. cross_val_mean(model, X, y, k) 를 완성하세요. model 학습·예측할 scikit-learn 모델. X, y 특징과 라벨. k 나눌 조각 수. scikit-learn 의 교차검증으로 정확도를 k 번 내서 그 평균을 돌려주세요. 예시 k=5 면 다섯 번의 정확도를 평균한 값 하나가 나옵니다.
scikit-learn 의 교차검증을 이용해 분류 모델의 정확도를 k 번 내고 그 평균을 돌려주는 함수를 완성하는 문제입니다. 모델·특징·라벨과 조각 수 k 를 인자로 받아, 분류 정확도를 점수로 써서 평균 한 값을 반환합니다. 한 번의 분할에 휘둘리지 않는, 더 믿을 만한 평가 점수를 얻는 기본기를 다룹니다.
교차검증은 데이터를 여러 조각으로 나눠, 한 조각씩 돌아가며 시험용으로 쓰고 나머지로 학습해 점수를 여러 번 낸 다음 평균을 보는 방법입니다. 한 번의 분할에만 의존하면 점수가 운에 휘둘리기 쉽지만, 여러 번 내서 평균하면 더 안정적인 평가가 됩니다. 이 문제는 scikit-learn 의 교차검증을 써서 그 평균 점수를 내고, 결과를 숫자로 확인합니다.