Técnicas de validación cruzada

Este ejercicio evaluará sus habilidades para implementar la validación cruzada K-Fold utilizando Scikit-Learn. Usaremos el conjunto de datos Iris, que es ampliamente conocido y fácil de trabajar. La tarea consiste en utilizar un modelo de regresión logística para llevar a cabo la validación cruzada K-Fold y evaluar su rendimiento con la métrica de precisión.

1. Cargue el conjunto de datos Iris desde Scikit-Learn utilizando load_iris().
2. Divida los datos en características X y la variable objetivo y.
3. Defina un modelo de regresión logística utilizando la clase LogisticRegression.
4. Configure la validación cruzada K-Fold con 5 pliegues utilizando KFold con shuffle=True y un random_state=42.
5. Realice la validación cruzada utilizando la función cross_validate con el modelo definido.
6. Utiliza 'accuracy' como métrica de evaluación.
7. Calcule y muestre la precisión media y la desviación estándar de los resultados, el tiempo de entrenamiento medio y el tiempo de test medio, ya que cross_validate proporciona todos esos datos en los resultados.