在Scikit-learn中，RandomSearchCV和GridSearchCV需要为cv参数提供交叉验证对象，例如GroupKFold或sklearn.model_selection中的任何其他CV分割器。

然而，如何使用单一的、静态验证集呢？我有一个非常大的训练集和一个大的验证集，我只需要CV对象的接口，而不需要整个交叉验证过程。

具体来说，我在使用Scikit-optimize和BayesSearchCV（文档），它需要CV对象（与常规Scikit-learn的SearchCV对象具有相同的接口）。我想使用我选择的验证集，而不是整个CV过程。

回答：

scikit-learn的模型选择对象的文档，例如GridSearchCV，可能更清楚地说明如何实现这一点：

cv: int, 交叉验证生成器或可迭代对象，默认=None

• …
• 一个可迭代对象，生成（训练，测试）分割作为索引数组。

因此，你需要训练和测试样本的索引数组作为一个元组，然后将它们包装在一个可迭代对象中，例如列表：

train_indices = [...]  # 训练的索引test_indices = [...]  # 测试的索引cv = [(train_indices, test_indices)]

将这个定义为单一元组的cv传递给模型选择对象，它将始终使用相同的样本进行训练和测试。