在Scikit-learn中实现交叉验证可以使用cross_val_score函数。该函数可以帮助我们评估模型的性能，并且可以指定交叉验证的折数。
下面是一个示例代码：
from sklearn.model_selection import cross_val_score
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target
# 初始化模型
model = LogisticRegression()
# 进行交叉验证
scores = cross_val_score(model, X, y, cv=5) # 5折交叉验证
print("交叉验证得分：", scores)
print("平均得分：", scores.mean())
在这个示例中，我们使用cross_val_score函数对一个逻辑回归模型进行了5折交叉验证，并输出了每一折的得分以及平均得分。您可以根据需要修改模型、数据集以及交叉验证的折数来实现不同的交叉验证方式。