NLTK库本身并不提供交叉验证功能，但可以结合其他机器学习库（如scikit-learn）来实现交叉验证。
以下是一个简单的示例代码，使用NLTK库中的文本分类器和scikit-learn库中的交叉验证功能来进行交叉验证：
import nltk
from nltk.classify.scikitlearn import SklearnClassifier
from sklearn.model_selection import cross_val_score
from sklearn.naive_bayes import MultinomialNB
# 假设有一个已经标记好的数据集train_set
classifier = nltk.NaiveBayesClassifier.train(train_set)
sk_classifier = SklearnClassifier(MultinomialNB())
# 使用SklearnClassifier将NLTK的文本分类器包装成scikit-learn的分类器
sk_classifier.train(train_set)
# 使用scikit-learn的cross_val_score函数进行交叉验证
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，我们首先使用NLTK库中的NaiveBayesClassifier训练了一个文本分类器，然后将其包装成scikit-learn的分类器SklearnClassifier，并调用cross_val_score函数进行交叉验证。最后输出交叉验证的得分和平均准确率。
你可以根据自己的需求调整代码来适配不同的数据集和分类器。
