使用K折交叉验证缓解过拟合：实现过程中遇到的问题

你猜的完全正确！这个报错的核心原因确实是索引方式搞错了——当X是Pandas DataFrame（或Series）时，直接用X[train_index]会被当成按列索引取值，而KFold.split()返回的train_index和test_index是样本的行位置索引，这就导致了匹配错误。

针对这个问题，你可以用两种方式解决，具体选择取决于你的数据索引类型：

1. 用iloc按行位置索引取值（推荐） #

KFold默认返回的是样本的整数位置索引（不管你的DataFrame行标签是什么），所以用iloc是最稳妥的，它专门用来按整数位置访问行/列：

from sklearn.model_selection import KFold
X,y = creation_X_y() #Function which is cleaning my data
kf = KFold(n_splits=5)
for train_index, test_index in kf.split(X):
    print("Train:", train_index, "Validation:",test_index)
    X_train = X.iloc[train_index]
    X_test = X.iloc[test_index]
    # 如果y是Pandas Series，同样要用iloc
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

2. 用loc按行标签索引取值 #

如果你的DataFrame行标签刚好是连续整数（和位置索引一致，比如默认的0、1、2...），那X.loc[train_index]也能正常工作。但如果你的行标签是自定义的（比如字符串、非连续整数），loc就会找不到对应标签，引发新的错误，所以这种方式不如iloc通用。

额外说明 #

如果X是NumPy数组的话，原来的X[train_index]写法是没问题的，因为NumPy数组的索引默认就是按行来的。所以你的报错情况，基本可以确定X或y是Pandas的DataFrame/Series类型。

内容的提问来源于stack exchange，提问作者user15565396