k折交叉验证

k一般取3-10

可用来确定不同类型的模型哪个更好

原理：将原数据划分为k份（一般为等分），其中每份分别做一次验证集，其余为训练集

代码演示：

1.从sklearn库引入KFold

from sklearn.model_selection import KFold

KFold(n_splits=’warn’, shuffle=False, random_state=None)
参数:
n_splits 表示划分为几块（至少是2）

shuffle 表示是否打乱划分，默认False，即不打乱

random_state 表示是否固定随机起点，Used when shuffle == True.
使用：get_n_splits([X,y,groups])返回分的块数，split（[X,y,groups]）返回分类后数据集的index

import numpy as np
X=np.array([[1,2],[3,4],[5,6],[7,8],[9,10],[11,12],[13,14],[15,16]]
Y=np.array([1,2,3,4,5,6,7,8])
KF=KFold(n_splits=4)
print(KF.get_n_splits(X))

输出是4（n_splits)

for train_index, test_index in KF.split(X):
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = Y[train_index], Y[test_index]