1、sklearn.model_selection.cross_val_score(estimator, X, y=None, groups=None, scoring=None, cv=None, n_jobs=None, verbose=0, fit_params=None, pre_dispatch='2*n_jobs', error_score=nan)
（1）cv參數定義交叉驗證方式：對於參數值爲None或Integer，當estimator是分類器且y是二類或多類，使用stratifiedKfold；否則爲Kfold；
2、sklearn.metrics.roc_auc_score(y_true, y_score, average='macro', sample_weight=None, max_fpr=None, multi_class='raise', labels=None)
（1）參數y_score：在二分類或多分類中，該值既可以是概率值，也可以是non-thresholded decision values (as returned by decision_function on some classifiers)，多分類中概率值的總和爲1；當二分類時，y_score是最大標籤類別的預測概率；當多類別時，預測每個類別的分數順序應遵從真實標籤的順序，或者，遵從參數y_true中標籤的數字順序或字母順序。
（2）今天參數y_score用錯了，直接把預測類別當作參數傳了，犯了低級錯誤，之前博客還介紹過；
總結：當cross_val_score中estimator是分類器時，且cv爲Integer時，其效果相當於stratifiedKFold+roc_auc_score。