Traceback (most recent call last): File "e:\aboutcode\py_code\ML_knn_final.py", line 251, in <module> for train_data, verify_data in skf.split(trainingData): TypeError: StratifiedKFold.split() missing 1 required positional argument: 'y'

这个错误提示是因为 `StratifiedKFold.split()` 方法需要传入两个参数：`X` 和 `y`，其中 `X` 是特征数据，`y` 是标签数据。你需要检查一下在使用 `skf.split(trainingData)` 时是否同时传入了特征数据和标签数据。你可以将数据集 `trainingData` 拆分成特征数据和标签数据，然后将它们分别传入 `skf.split()` 方法中。示例代码如下：

import numpy as np
from sklearn.model_selection import StratifiedKFold

# 假设 trainingData 包含特征数据和标签数据
X = trainingData[:, :-1]  # 特征数据
y = trainingData[:, -1]   # 标签数据

# 创建 StratifiedKFold 对象
skf = StratifiedKFold(n_splits=5)

# 使用 StratifiedKFold 进行交叉验证
for train_idx, verify_idx in skf.split(X, y):
    train_data, verify_data = X[train_idx], X[verify_idx]
    train_label, verify_label = y[train_idx], y[verify_idx]
    # 在这里进行模型训练和验证

在这个示例中，我们将数据集 `trainingData` 拆分成了特征数据 `X` 和标签数据 `y`，然后将它们传入了 `skf.split(X, y)` 方法中。在循环中，我们根据索引从 `X` 和 `y` 中取出训练和验证数据，并进行模型训练和验证。