如何在R的tidymodels框架中查看交叉验证折叠内的数据？

当然可以，下面是具体操作方法：

1. 访问单个折叠的训练/测试数据 #

vfold_cv生成的对象里，splits列存储了每个折叠的训练集与测试集拆分。你可以用training()和testing()函数直接提取对应数据：

# 提取第一个折叠的训练集
first_fold_train <- training(df_cv$splits[[1]])
# 提取第一个折叠的测试集
first_fold_test <- testing(df_cv$splits[[1]])

2. 查看所有折叠的数据分布 #

如果想一次性查看所有折叠的训练/测试集数据，可借助purrr工具将拆分数据整理成结构化数据框：

# 整理所有训练集，添加折叠编号
all_train_data <- df_cv %>%
  mutate(train_data = map(splits, training)) %>%
  unnest(train_data) %>%
  rename(fold = id)

# 整理所有测试集，添加折叠编号
all_test_data <- df_cv %>%
  mutate(test_data = map(splits, testing)) %>%
  unnest(test_data) %>%
  rename(fold = id)

# 查看某一折叠的训练集物种分布
all_train_data %>%
  filter(fold == "Fold01") %>%
  count(Species)

3. 绘制折叠数据的分布（验证分层效果） #

用ggplot绘制每个折叠中目标变量（此处为Species）的分布，可确认分层交叉验证是否保持了类别比例：

# 绘制训练集中各折叠的物种分布
all_train_data %>%
  ggplot(aes(x = Species, fill = Species)) +
  geom_bar() +
  facet_wrap(~fold) +
  theme_bw() +
  labs(title = "各折叠训练集的物种分布", x = "物种", y = "数量")

# 绘制测试集中各折叠的物种分布
all_test_data %>%
  ggplot(aes(x = Species, fill = Species)) +
  geom_bar() +
  facet_wrap(~fold) +
  theme_bw() +
  labs(title = "各折叠测试集的物种分布", x = "物种", y = "数量")

通过这些操作，你能清晰查看每个折叠内的数据情况，同时验证分层采样是否有效保证了各折叠中物种比例的一致性。

内容的提问来源于stack exchange，提问作者jaykay