¿Cómo utilizar XGboost.cv con optimización de hiperparámetros?

Question

Quiero optimizar los hiperparámetros de XGboost usando la validación cruzada. Sin embargo, no está claro cómo obtener el modelo de xgb.cv. Por ejemplo, llamo objective(params) desde fmin. A continuación, el modelo se ajusta dtrain %-% y se valida dvalid. ¿Qué pasa si quiero usar la validación cruzada de KFold en lugar de la dtrain %-%

from hyperopt import fmin, tpe
import xgboost as xgb

params = {
             'n_estimators' : hp.quniform('n_estimators', 100, 1000, 1),
             'eta' : hp.quniform('eta', 0.025, 0.5, 0.025),
             'max_depth' : hp.quniform('max_depth', 1, 13, 1)
             #...
         }
best = fmin(objective, space=params, algo=tpe.suggest)

def objective(params):
    dtrain = xgb.DMatrix(X_train, label=y_train)
    dvalid = xgb.DMatrix(X_valid, label=y_valid)
    watchlist = [(dtrain, 'train'), (dvalid, 'eval')]
    model = xgb.train(params, dtrain, num_boost_round, 
                      evals=watchlist, feval=myFunc)
    # xgb.cv(param, dtrain, num_boost_round, nfold = 5, seed = 0,
    #        feval=myFunc)