关于K-FOLD

from sklearn.model_selection import KFold
t=[5,7,8,9,63,412,36,951,23,8]
kf=KFold(n_splits=5,shuffle=True)
generat=kf.split(t)#此处的generat变量是一个迭代器
########下面利用内置函数next，取出其中的分组结果，由于n_splits=5，只能得到5次，在第六次的时候就会提示迭代器中已经无元素可返回，迭代器中相当于使用yield实现的
train_index1, test_index1=next(generat)
print(train_index1)
print(test_index1)

train_index2, test_index2=next(generat)
print(train_index2)
print(test_index2)

train_index3, test_index3=next(generat)
print(train_index3)
print(test_index3)

train_index4, test_index4=next(generat)
print(train_index4)
print(test_index4)

train_index5, test_index5=next(generat)
print(train_index5)
print(test_index5)
#此时会报错
train_index6, test_index6=next(generat)
print(train_index6)
print(test_index6)
#而且每次分组，将所有数据4：1分配，共5份，而且5次分配的1份合并就是原始数据，这也是用这1份作为测试集的原因。
#也可以采用这种方式遍历这个迭代器，这两种方法选一种即可。但是如果你执行完方法一接着执行方法二，就没有可以输出的元素了，因为yield中只存了n_splite个对象，已经在方法1中遍历完毕了。
for i,x in enumerate(generat):
    print("----",i)