交叉验证时改变测试和训练的大小

Question

我执行一个10倍交叉验证的回归模型。

for train, test in kf.split(X, Y):
   print ("Fold ", cv)
   print("Train", X[train].shape)
   print("Test", X[test].shape)
   # define the model
   Breg = BayesianRidge(n_iter = 500, tol=0.0000000001)
   # fit the data to the model
   Breg.fit(X[train], Y[train])
   # calculate R2 for each fold and save the value into a file
   R2.append(Breg.score(X[test], Y[test]))
   # predict in test set
   ypred_test = Breg.predict(X[test])
   Y_pred_test.append(ypred_test)
   # calculate mean squared error for each fold and save into a list
   mae.append(mean_absolute_error(Y[test], ypred_test))

当我运行模型时，我观察到训练和测试的规模发生了变化。

Fold  1
Train (14754, 9)
Test (1640, 9)
Fold  2
Train (14754, 9)
Test (1640, 9)
Fold  3
Train (14754, 9)
Test (1640, 9)
Fold  4
Train (14754, 9)
Test (1640, 9)
Fold  5
Train (14755, 9)
Test (1639, 9)
Fold  6
Train (14755, 9)
Test (1639, 9)
Fold  7
Train (14755, 9)
Test (1639, 9)
Fold  8
Train (14755, 9)
Test (1639, 9)
Fold  9
Train (14755, 9)
Test (1639, 9)
Fold  10
Train (14755, 9) 
Test (1639, 9)

你可以看到，在第5折之后，训练的规模增加了1，而测试的规模减少了1。

你知道这是怎么发生的吗？

提前感谢

Answer 1

答案可以在文档 of KFold中找到，我认为它是您在kf.split中的kf所代表的。

在注释中，它说：

第一个n_samples % n_splits褶皱有n_samples // n_splits + 1大小，其他褶皱有n_samples // n_splits大小，其中n_samples是样本数。

通过插入数字，您可以看到前4个分叉的大小为n_samples // n_splits + 1，其余的为n_samples // n_splits大小，因此正好是+1的大小差异。