采用交叉验证方法确定KNN最优k

尝试执行以下代码:

（1）导入所需要的模块和库

import numpy as np 
from sklearn.neighbors import KNeighborsClassifier 
from sklearn.datasets import load_breast_cancer 
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
from sklearn.model_selection import cross_val_score

（2）建立数据集

data = load_breast_cancer()
X = data.data 
y = data.target
X_train,X_test,y_train,y_test = train_test_split(X,y,# 特征和标签
                        test_size=0.3,random_state=420)  # 测试集所占的比例                        

（3）实例化

knn = KNeighborsClassifier(n_neighbors=8)

（4）计算交叉验证得分

val_scores = cross_val_score(knn, X_train, y_train, cv=5)#cv: 几折交叉验证.
val_scores
# 交叉验证平均分数
cross_val_score(knn, X_train, y_train, cv=5).mean()

根据运行代码，尝试输出：
（1）交叉验证得分val_scores
（2）交叉验证平均分数