NLTK庫本身并不提供交叉驗證功能，但可以結合其他機器學習庫（如scikit-learn）來實現交叉驗證。
以下是一個簡單的示例代碼，使用NLTK庫中的文本分類器和scikit-learn庫中的交叉驗證功能來進行交叉驗證：
import nltk
from nltk.classify.scikitlearn import SklearnClassifier
from sklearn.model_selection import cross_val_score
from sklearn.naive_bayes import MultinomialNB
# 假設有一個已經標記好的數據集train_set
classifier = nltk.NaiveBayesClassifier.train(train_set)
sk_classifier = SklearnClassifier(MultinomialNB())
# 使用SklearnClassifier將NLTK的文本分類器包裝成scikit-learn的分類器
sk_classifier.train(train_set)
# 使用scikit-learn的cross_val_score函數進行交叉驗證
scores = cross_val_score(sk_classifier, train_set, cv=5, scoring='accuracy')
print("Cross-validation scores:", scores)
print("Average accuracy:", scores.mean())
在上面的示例中，我們首先使用NLTK庫中的NaiveBayesClassifier訓練了一個文本分類器，然后將其包裝成scikit-learn的分類器SklearnClassifier，并調用cross_val_score函數進行交叉驗證。最后輸出交叉驗證的得分和平均準確率。
你可以根據自己的需求調整代碼來適配不同的數據集和分類器。
