我有一个简单的数据库。首先，我尝试使用 train_test_split() 来分割数据集。然后，我尝试使用 KFold()。代码如下所示：
def call(X_train: ndarray,X_test: ndarray,y_train: ndarray,y_test: ndarray,k: int,repetitions: int,) -> Dict: rep_sub = [] for reps in range(repetitions): fold_sub = [] kf = KFold(n_splits=k, shuffle=True) for train_index, test_index in kf.split(X_train): preds = LinearRegression().fit(X_train[train_index], y_train[train_index]).predict(X_test[test_index]) sub = preds - y_test[test_index] fold_sub.extend(sub) rep_sub.extend(fold_sub) return rep_subif __name__ == "__main__": X = np.array([[1, 2], [1, 2], [1, 2], [1, 2], [1, 2], [3, 4], [1, 2], [1, 2], [1, 2], [1, 2], [1, 2], [3, 4]]) y = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) all_preds = call(X_train, X_test, y_train, y_test, k=2, repetitions=2)我遇到了错误 IndexError: index 4 is out of bounds for axis 0 with size 3
您能解释一下我在这里做错了什么吗？我需要使用 5 fold holdout external validation！
回答：
KFold(X) 将从提供的 X 中创建 k 个 (train, test) 索引子集。因此，您只能对 X 进行索引。您试图做的则是将 test 索引应用到非 X 的东西上。暂不评论您为什么要使用 train_test_split 和 KFold 的这种奇怪组合，您应该使用 test_index 来索引提供的 X_train，或者干脆忽略它。以下是您可以使用它的两种方式（再次不评论您为什么要这样使用）：
情况1
preds = LinearRegression().fit( X_train[train_index], y_train[train_index]).predict(X_train[test_index])sub = preds - y_train[test_index]情况2
preds = LinearRegression().fit( X_train[train_index], y_train[train_index]).predict(X_test)sub = preds - y_test