Python xgb包装器交叉验证（xgb.cv）的结果是什么？

我无法理解xgb.cv的输出： 1） 这是一次k折叠的结果还是最佳k折叠的结果？ 2） 数据集在训练集和测试集上的划分原则是什么？KFold还是0.8/0.2

当我运行代码时，我看到了计算过程。它在最高分的提前停止回合后停止

当然：#模型参数

num_parallel_tree = 1 
subsample = 1 
colsample_bytree = 0.4
objective = 'binary:logistic'
learning_rate = 0.05
eval_metric = 'auc'
max_depth = 10
min_child_weight = 4

n_estimators = 5000
seed = 7

#cross-validation parameters
nfold = 5
early_stopping_rounds = 5


bst_cv = xgb.cv(
    param, 
    dtrain,  
    num_boost_round=n_estimators, 
    nfold = nfold,
    early_stopping_rounds=early_stopping_rounds,
    verbose_eval=True
)

results:
[0] train-auc:0.910342+0.0015485    test-auc:0.850442+0.00619299
[1] train-auc:0.956268+0.00132653   test-auc:0.893746+0.00973467
...
[24]    train-auc:0.984302+0.000617268  test-auc:0.934326+0.00338043

---

然后-停止。

您能否向我们提供变量：param？这是您的设置，也是nfold的编号？当然：我已经将其添加到主题的代码中。非常感谢。