如何将KFold拆分所得索引转换为包含实际特征与标签值的数据集格式

你可以直接遍历交叉验证返回的索引，按索引提取X和y的对应值，整理成目标格式即可，完整实现代码如下：

import numpy as np
import pandas as pd
from sklearn.model_selection import KFold

# 复现初始数据
y = np.ones(10)
y[-5:] = 0
X = pd.DataFrame({'a':np.random.randint(10,20, size=(10)),
                  'b':np.random.randint(80,90, size=(10))})

# 5折交叉验证拆分+格式整理
kf = KFold(n_splits=5)
processed_data = []
for train_idx, test_idx in kf.split(X, y):
    # 提取训练集、测试集的特征和标签，标签转为二维数组匹配要求格式
    train_x = X.iloc[train_idx].values
    train_y = y[train_idx].reshape(-1, 1)
    test_x = X.iloc[test_idx].values
    test_y = y[test_idx].reshape(-1, 1)
    processed_data.append((train_x, train_y, test_x, test_y))

运行后processed_data就是你需要的目标格式，每个元素对应一折的(训练集特征,训练集标签,测试集特征,测试集标签)，数值和你给出的预期输出完全匹配。

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