tss = TimeSeriesSplit(max_train_size=None, n_splits=10)
l =[]
neighb = [1,3,5,7,9,11,13,12,23,19,18]
for k in neighb:
knn = KNeighborsClassifier(n_neighbors=k, algorithm='brute')
sc = cross_val_score(knn, X1, y1, cv=tss, scoring='accuracy')
l.append(sc.mean())
尝试使用10倍TimeSeries Split，但在cross_val_score的文档中，我们需要传递交叉验证生成器或迭代。在将时间序列分成火车和测试数据到cv
后，我应该如何传递它类型错误
追溯（最近的呼叫最后）
in（）
14 for k in neighb:
15 knn = KNeighborsClassifier(n_neighbors=k, algorithm='brute')
---＆GT; 16 sc = cross_val_score（knn，X1，y1，cv = tss，scoring ='accuracy'）
17 l.append(sc.mean())
18 ~\Anaconda3\lib\site-packages\sklearn\cross_validation.py in cross_val_score(estimator, X, y, scoring, cv, n_jobs, verbose, fit_params, pre_dispatch)
- ＆GT; 1581用于火车，在cv中测试）
1582返回np.array（得分）[：，0]
1583
TypeError：'TimeSeriesSplit'对象不可迭代