python分层k折交叉验证

在Python中，分层K折交叉验证（Stratified K-Fold Cross Validation）是一种评估机器学习模型性能的技术，特别适用于类别不平衡的数据集。它将数据集分成K个相等大小的部分，每次选择其中一个作为测试集，剩下的K-1个部分作为训练集。这个过程会重复K次，每一次都轮到不同的部分作为测试集。

"分层"意味着每个划分（fold）保持原始数据集中各类别的比例不变，保证了模型在验证阶段也能看到类似训练集的类别分布。这有助于更准确地估计模型在实际应用中的性能，避免模型偏向于占多数的类别。

以下是使用scikit-learn库进行分层K折交叉验证的基本步骤：

from sklearn.model_selection import StratifiedKFold
from sklearn.linear_model import LogisticRegression

# 假设X是特征数组，y是标签数组
model = LogisticRegression()
kfold = StratifiedKFold(n_splits=5) # 5折交叉验证

for train_index, test_index in kfold.split(X, y):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

    model.fit(X_train, y_train)
    accuracy = model.score(X_test, y_test)

# 最终得到的是K次验证的平均精度或其他评估指标