我使用随机森林分类器对数据集进行分类；我想使用交叉验证；我的问题是我找不到一种方法来知道列车和测试分流的准确性，所以这是可能的吗？这是我使用的代码，它告诉我

X_test, X_rem, y_test, y_rem = train_test_split(X,Y, test_size=0.1)

X_valid, X_train, y_valid, y_train = train_test_split(X_rem,y_rem, train_size=0.80)

    cv = KFold(n_splits=10, random_state=1, shuffle=True)
    # create model
    model = RandomForestClassifier(n_estimators =400)

    scoresranP = cross_val_score(model, X_rem, y_rem, cv=cv, n_jobs=-1)

    print('Accuracy of Random Forest: %.3f (%.3f)' % (mean(scoresranP), std(scoresranP)))

如果我是对的，在这种情况下，“scoresranp”会给我训练的准确度，那么我可以使用测试分割来获得测试的准确度吗？我错了。有谁能告诉我，我是否可以使用三个分割的交叉评分（训练、有效、测试）？
我真的很感激你能提供的任何帮助。