如何估计Leave One Out交叉验证中的错误

Question

是否有正确的方法来执行LOOCV并将误差估计为所有列车数据的平均值。 我已经按照以下方式执行了K-FOLD CROSS-VALIDATION：

scores = cross_val_score(clf, X, y, cv = 10, scoring = "accuracy")
print('mean score and the 95% confidence interval of the score estimate')
print("Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))

我想知道LOOC的正确方法是什么，因为这个假设cv = N（实例数）。我正在文档中阅读它，但我正在寻找的是LOOCV的估计误差。 我遇到的是这段代码，但它似乎没有为每次验证产生准确性或错误：

 from sklearn.model_selection import LeaveOneOut
 loo = LeaveOneOut()
 for train, test in loo.split(X):
     print("%s %s" % (train, test))

提前致谢