如何按参与者与条件两列分层实现K折交叉验证拆分？

你可以直接利用StratifiedKFold，把你之前生成的stratCol作为分层依据传入，而不是用原始的condition标签。核心思路是让拆分器根据参与者ID+实验条件的组合分布来划分数据，确保每折里每个参与者的两种条件数据都按比例保留，完全匹配你的需求。

具体步骤与代码示例 #

1. 先生成分层组合列（和你之前的做法一致）：

df['stratCol'] = df['pp_id'].astype(str) + "_" + df['condition'].astype(str)

2. 初始化StratifiedKFold拆分器，指定折数，然后用stratCol作为分层依据进行拆分：

from sklearn.model_selection import StratifiedKFold
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 初始化拆分器，设置折数并开启打乱
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)

# 准备特征矩阵与真实标签
X = df[feature_cols]
y_true = df['condition']

# 遍历每折完成训练与评估
for train_idx, val_idx in skf.split(X, y=df['stratCol']):
    X_train, X_val = X.iloc[train_idx], X.iloc[val_idx]
    y_train, y_val = y_true.iloc[train_idx], y_true.iloc[val_idx]
    
    # 训练模型（示例用随机森林，可替换为你需要的模型）
    model = RandomForestClassifier(random_state=42)
    model.fit(X_train, y_train)
    
    # 输出当前折的验证精度
    val_acc = accuracy_score(y_val, model.predict(X_val))
    print(f"验证集精度: {val_acc:.4f}")

3. 若想用cross_val_score简化流程，同样把基于stratCol的拆分器传入：

from sklearn.model_selection import cross_val_score

# 一键计算各折精度
scores = cross_val_score(model, X, y_true, cv=skf, scoring='accuracy')
print(f"各折精度: {scores}")
print(f"平均精度: {scores.mean():.4f} ± {scores.std():.4f}")

关键说明 #

StratifiedKFold的分层逻辑是基于传入的y参数的类别分布，这里我们传入stratCol（每个值对应一个参与者+条件的唯一组合），拆分器就会保证每折中每个组合的样本占比和整体数据一致。这样既避免了某一参与者的所有数据被分到同一折，也保证了两种实验条件在训练/验证集中的分布稳定，完全符合你的实验需求。

内容的提问来源于stack exchange，提问作者elfe