这个错误的核心原因主要有两个：模块导入错误和版本兼容性问题，咱们一步步来解决：

1. 先修正模块导入 #

你错误栈里显示用的是sklearn.cross_validation模块，这个模块在scikit-learn 0.20版本之后就被完全废弃了，所有交叉验证相关的工具都迁移到了sklearn.model_selection模块下。首先把导入语句改成正确的：

from sklearn.model_selection import TimeSeriesSplit, cross_val_score
from sklearn.neighbors import KNeighborsClassifier

2. 两种正确传入cv参数的方式 #

方式一：直接传入TimeSeriesSplit对象（推荐，适用于scikit-learn 0.19+）

从scikit-learn 0.19版本开始，cross_val_score已经支持直接传入交叉验证生成器实例（比如TimeSeriesSplit对象），不需要手动生成迭代器。修正后的完整代码如下：

# 初始化时间序列交叉验证生成器
tss = TimeSeriesSplit(max_train_size=None, n_splits=10)
accuracy_scores = []
neighbor_values = [1,3,5,7,9,11,13,12,23,19,18]

for k in neighbor_values:
    knn = KNeighborsClassifier(n_neighbors=k, algorithm='brute')
    # 直接将tss传入cv参数
    fold_scores = cross_val_score(knn, X1, y1, cv=tss, scoring='accuracy')
    accuracy_scores.append(fold_scores.mean())

方式二：手动生成索引迭代器（兼容旧版本）

如果你使用的是0.19之前的旧版本scikit-learn，需要手动调用TimeSeriesSplit的split()方法生成训练/测试索引对的迭代器，再传给cv参数：

tss = TimeSeriesSplit(max_train_size=None, n_splits=10)
# 基于你的特征集X1生成交叉验证索引
cv_splits = tss.split(X1)
accuracy_scores = []
neighbor_values = [1,3,5,7,9,11,13,12,23,19,18]

for k in neighbor_values:
    knn = KNeighborsClassifier(n_neighbors=k, algorithm='brute')
    fold_scores = cross_val_score(knn, X1, y1, cv=cv_splits, scoring='accuracy')
    accuracy_scores.append(fold_scores.mean())

为什么之前会报错？ #

旧版本的cross_val_score（来自废弃的sklearn.cross_validation模块）无法直接识别TimeSeriesSplit对象，它需要的是一个可迭代的索引对集合，而新版本的sklearn.model_selection.cross_val_score已经做了适配，可以直接接受交叉验证生成器实例。

内容的提问来源于stack exchange，提问作者Dhruv Bhardwaj