关于python机器学习cross_val_score()交叉检验的参数cv实际默认为5这件事，你怎么看？

小啾在测试中发现，cross_val_score()的cv参数，
该参数在源码中默认值为None，但是在实际使用时，默认值为5，默认效果为K-Fold交叉验证（K即cv）。
即默认将数据分成大小相同的K份，即5个子集，
从中随机选择4个作为训练集，另1个是测试集。该过程重复进行，所以共有5个组合。
即验证后得到一个装有5个元素的一维数组。

以检验准确率为例：

对比以下代码及其输出结果：

• 不设cv

scores = cross_val_score(estimator, X, y, scoring='accuracy') 
print(scores, 'n', len(scores))

• cv=5

scores = cross_val_score(estimator, X, y, scoring='accuracy', cv=5) 
print(scores, 'n', len(scores))

• cv=3

scores = cross_val_score(estimator, X, y, scoring='accuracy', cv=3) 
print(scores, 'n', len(scores))

虽然照此法代码能使用，但是小啾不明白其原因，对此各位大佬怎么看？