如何将数据集拆分为5折交叉验证独立子集以替代传统80-20划分

你可以直接使用scikit-learn中的KFold工具完成拆分，以下是完整可运行代码：

首先导入依赖库：

import pandas as pd
from sklearn.model_selection import KFold

示例数据集定义（和你提供的一致）：

X = pd.DataFrame({'a': [1, 3, 5, 7, 4, 5, 6, 4, 7, 9],
                  'b': [3, 5, 6, 2, 4, 6, 7, 8, 7, 8],
                  'c': [2, 3, 4, 5, 6, 7, 8, 9, 2, 1]} )
y = [2, 3, 1, 1, 3, 2, 1, 3, 2, 2]

执行5折拆分逻辑：

# 初始化5折拆分器，shuffle=True表示先打乱数据集再拆分，random_state固定保证结果可复现
kf = KFold(n_splits=5, shuffle=True, random_state=42)

# 存储所有折的特征和标签子集
X_folds = []
y_folds = []

for _, test_idx in kf.split(X):
    X_folds.append(X.iloc[test_idx].reset_index(drop=True))
    y_folds.append([y[i] for i in test_idx])

# 按需求赋值为X1~X5、y1~y5变量
X1, X2, X3, X4, X5 = X_folds
y1, y2, y3, y4, y5 = y_folds

补充说明：

• 拆分得到的5个子集相互无重叠，示例数据集共10条样本，每折刚好包含2条样本
• 如果不需要打乱原始数据顺序，把shuffle=True改为shuffle=False即可
• 如果是分类任务，希望每折的标签类别分布和原始数据集保持一致，可以将KFold替换为StratifiedKFold，使用方法完全相同

内容的提问来源于stack exchange，提问作者user12587364