StratifiedKFold每次运行循环时拆分结果是否一致？

问题内容 #

在Logistic Regression任务中使用StratifiedKFold配合网格搜索，初始化代码如下：

skf = StratifiedKFold(n_splits=6, shuffle=True, random_state=SEED)

针对每组参数执行以下循环：

for fold, (trn_idx, test_idx) in enumerate(skf.split(X, y)):

疑问：每次运行该循环时，每个fold对应的trn_idx和test_idx是否完全相同？例如第一次运行时fold0的trn_idx为[1,2,5,7,8]、test_idx为[3,4,6]，后续多次运行循环时，fold0的这两个索引是否仍保持一致？

回答 #

是的，每次运行循环时，每个fold对应的训练/测试索引都会完全一致。

核心原因在于你初始化StratifiedKFold时指定了固定的random_state=SEED：

• 开启shuffle=True时，数据会先被随机洗牌再划分，而random_state固定了洗牌的随机种子
• 只要SEED的值不变，每次调用skf.split(X, y)生成的划分逻辑就完全相同，每个fold对应的trn_idx和test_idx自然不会变化

如果没有指定random_state，或者每次运行时SEED的取值不同，那每次生成的索引才会出现差异。

内容的提问来源于stack exchange，提问作者Yana