Python sklearn中train_test_split的test_size与10折交叉验证的关系咨询

• 你对train_test_split代码的判断完全正确：这段代码仅会将数据集按70%训练、30%测试的比例做单次随机划分，不属于10折交叉验证的实现逻辑，无法满足你的10折验证需求。
• 你给出的KFold调用代码存在明显参数错误：参数n_splits=2代表执行2折交叉验证，若要实现10折交叉验证，需要将该参数修改为n_splits=10。
• 适配你的二分类场景的优化建议：你要求每个折内两类样本占比均衡，更推荐使用分层10折交叉验证接口StratifiedKFold，它会自动保证每一个折的类别分布和原始数据集一致，完全匹配你提到的「每个折每个类别各有约50个样本」的划分要求，参考实现代码如下：

from sklearn.model_selection import StratifiedKFold
# 初始化分层10折交叉验证器，开启打乱保证划分随机性
skf = StratifiedKFold(n_splits=10, random_state=42, shuffle=True)
# 遍历每个折进行模型训练评估
for train_index, test_index in skf.split(X, yy):
    x_train, x_test = X[train_index], X[test_index]
    y_train, y_test = yy[train_index], yy[test_index]
    # 下方写入你的模型训练、指标计算逻辑

内容的提问来源于stack exchange，提问作者Joe