我正在跟随 Kaggle 上的一个内核，主要是跟随 信用卡欺诈检测内核。

我已经到了需要执行 KFold 以找到逻辑回归的最佳参数这一步。

内核中展示了以下代码，但由于某些原因（可能是较旧版本的 scikit-learn），我遇到了一些错误。

def printing_Kfold_scores(x_train_data,y_train_data):
    fold = KFold(len(y_train_data),5,shuffle=False)
    # 不同的 C 参数
    c_param_range = [0.01,0.1,1,10,100]
    results_table = pd.DataFrame(index = range(len(c_param_range),2), columns = ['C_parameter','Mean recall score'])
    results_table['C_parameter'] = c_param_range
    # k-fold 将提供两个列表：train_indices = indices[0], test_indices = indices[1]
    j = 0
    for c_param in c_param_range:
        print('-------------------------------------------')
        print('C parameter: ', c_param)
        print('-------------------------------------------')
        print('')
        recall_accs = []
        for iteration, indices in enumerate(fold,start=1):
            # 调用带有特定 C 参数的逻辑回归模型
            lr = LogisticRegression(C = c_param, penalty = 'l1')
            # 使用训练数据来拟合模型。在这种情况下，我们使用 fold 的一部分来训练模型
            # 使用 indices[0]。然后我们用 indices[1] 指定为“测试交叉验证”的部分进行预测
            lr.fit(x_train_data.iloc[indices[0],:],y_train_data.iloc[indices[0],:].values.ravel())
            # 使用训练数据中的测试索引预测值
            y_pred_undersample = lr.predict(x_train_data.iloc[indices[1],:].values)
            # 计算召回率分数并将其添加到代表当前 c_parameter 的召回率分数列表中
            recall_acc = recall_score(y_train_data.iloc[indices[1],:].values,y_pred_undersample)
            recall_accs.append(recall_acc)
            print('Iteration ', iteration,': recall score = ', recall_acc)
            # 我们想要保存和获取的指标是这些召回率分数的平均值。
        results_table.ix[j,'Mean recall score'] = np.mean(recall_accs)
        j += 1
        print('')
        print('Mean recall score ', np.mean(recall_accs))
        print('')
    best_c = results_table.loc[results_table['Mean recall score'].idxmax()]['C_parameter']
    # 最后，我们可以检查在所选择的 C 参数中哪个是最佳的。
    print('*********************************************************************************')
    print('Best model to choose from cross validation is with C parameter = ', best_c)
    print('*********************************************************************************')
    return best_c

我遇到的错误如下：对于这一行：fold = KFold(len(y_train_data),5,shuffle=False)错误：

TypeError: __init__() 收到了参数 ‘shuffle’ 的多个值

如果我从这一行中移除 shuffle=False，我会得到以下错误：

TypeError: shuffle 必须是 True 或 False；得到 5

如果我移除 5 并保留 shuffle=False，我会得到以下错误：

TypeError: ‘KFold’ 对象不可迭代，这来自于这一行：for iteration, indices in enumerate(fold,start=1):

如果有人能帮助我解决这个问题，并建议如何在最新版本的 scikit-learn 中完成这项工作，将非常感激。

谢谢。

回答：

KFold 是一个分隔器，所以你必须提供一些东西来分隔。

示例代码：

X = np.array([[1,1,1,1], [2,2,2,2], [3,3,3,3], [4,4,4,4]])
y = np.array([1, 2, 3, 4])
# 现在你通过传递分割数和是否需要洗牌来创建你的 Kfolds。
fold = KFold(2,shuffle=False)
# 要遍历折叠，只需使用 split
for train_index, test_index in fold.split(X):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    # 继续拟合分类器

如果你想在训练/测试循环中获取索引，只需添加 enumerate

for i, (train_index, test_index) in enumerate(fold.split(X)):
    print('Iteration:', i)
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

希望这能起作用