我有一个包含95行和9列的数据集，想进行5折交叉验证。在训练中，前8列（特征）用于预测第九列。我的测试集是正确的，但我的x训练集大小为(4,19,9)，而它应该只有8列，我的y训练集大小为(4,9)，而它应该有19行。我在索引子数组时是否犯了错误？

kdata = data[0:95,:] # 需要总行数能被5整除，所以忽略最后2行 np.random.shuffle(kdata) # 打乱所有行folds = np.array_split(kdata, k) # 每个折叠是19行 x 9列for i in range (k-1):    xtest = folds[i][:,0:7] # 将第i个折叠设为测试集    ytest = folds[i][:,8]    new_folds = np.delete(folds,i,0)    xtrain = new_folds[:][:][0:7] # 训练集是所有折叠的所有行 x 8列    ytrain = new_folds[:][:][8]   # 训练y是所有折叠的所有行 x 1列

回答：

欢迎来到Stack Overflow。

一旦你创建了一个新的折叠，你需要使用np.row_stack()按行堆叠它们。

另外，我认为你在切片数组时有误，在Python或Numpy中，切片行为是[包含:不包含]，因此，当你指定切片为[0:7]时，你只取了7列，而不是你想要的8个特征列。

类似地，如果你在for循环中指定了5折，它应该是range(k)，这会给你[0,1,2,3,4]，而不是range(k-1)，这只会给你[0,1,2,3]。

修改后的代码如下：

folds = np.array_split(kdata, k) # 每个折叠是19行 x 9列np.random.shuffle(kdata) # 打乱所有行folds = np.array_split(kdata, k)for i in range (k):    xtest = folds[i][:,:8] # 将第i个折叠设为测试集    ytest = folds[i][:,8]    new_folds = np.row_stack(np.delete(folds,i,0))    xtrain = new_folds[:, :8]    ytrain = new_folds[:,8]    # 一些打印函数来帮助你调试    print(f'Fold {i}')    print(f'xtest shape  : {xtest.shape}')    print(f'ytest shape  : {ytest.shape}')    print(f'xtrain shape : {xtrain.shape}')    print(f'ytrain shape : {ytrain.shape}\n')

这将为你打印出折叠以及训练和测试集的所需形状：

Fold 0xtest shape  : (19, 8)ytest shape  : (19,)xtrain shape : (76, 8)ytrain shape : (76,)Fold 1xtest shape  : (19, 8)ytest shape  : (19,)xtrain shape : (76, 8)ytrain shape : (76,)Fold 2xtest shape  : (19, 8)ytest shape  : (19,)xtrain shape : (76, 8)ytrain shape : (76,)Fold 3xtest shape  : (19, 8)ytest shape  : (19,)xtrain shape : (76, 8)ytrain shape : (76,)Fold 4xtest shape  : (19, 8)ytest shape  : (19,)xtrain shape : (76, 8)ytrain shape : (76,)