5折交叉验证生成的多组训练测试矩阵如何存储以便后续计算调用？

注意：原代码中KFold默认不打乱数据顺序，如果需要每次拆分结果固定可复现，建议开启shuffle=True并指定random_state参数。

方案1：使用字典存储（最推荐） #

这种方法结构清晰，不会污染全局变量空间，调用也很方便。

from sklearn.model_selection import KFold
from sklearn.cluster import KMeans
import numpy as np

# 假设你的数据集X已经提前定义好，形状为(351,14)
kf = KFold(n_splits=5, shuffle=True, random_state=42)  # 固定随机种子保证结果可复现

# 初始化两个字典分别存储训练集和测试集
X_train_dict = {}
X_test_dict = {}

for idx, (train_index, test_index) in enumerate(kf.split(X), start=1):
    X_train_dict[f"X_tr{idx}"] = X[train_index]
    X_test_dict[f"X_te{idx}"] = X[test_index]

调用示例：
kmeans = KMeans(n_clusters=3, random_state=0).fit(X_train_dict['X_tr3'])

方案2：动态生成全局变量（直接生成X_tr1/X_te1形式变量） #

如果确实需要直接使用X_tr1到X_tr5、X_te1到X_te5的独立变量名，可以通过globals()动态生成全局变量：

from sklearn.model_selection import KFold
from sklearn.cluster import KMeans

kf = KFold(n_splits=5, shuffle=True, random_state=42)

for idx, (train_index, test_index) in enumerate(kf.split(X), start=1):
    globals()[f"X_tr{idx}"] = X[train_index]
    globals()[f"X_te{idx}"] = X[test_index]

调用示例和你要求的完全一致：
kmeans = KMeans(n_clusters=3, random_state=0).fit(X_tr3)

你可以打印变量形状验证拆分结果是否符合预期：

• print(X_tr3.shape) 输出为(281, 14)
• print(X_te3.shape) 输出为(70, 14)

内容的提问来源于stack exchange，提问作者Hermi