编写 k 折随机划分：folds_index=KfoldSplit(n_sample, k, random_state)。 输入为训练集样本数据，fold个数，以及随机种子,返回每个fold样本的index。

下面是一个可能的实现：

import numpy as np

def KfoldSplit(n_sample, k, random_state=None):
    if random_state is not None:
        np.random.seed(random_state)
    indices = np.arange(n_sample)
    np.random.shuffle(indices)
    fold_size = n_sample // k
    folds_index = []
    for i in range(k):
        start, end = i * fold_size, (i + 1) * fold_size
        if i == k - 1:
            end = n_sample
        folds_index.append(indices[start:end])
    return folds_index

这个函数首先根据随机种子打乱样本的索引，然后根据fold数计算每个fold的大小，最后按照fold的大小划分样本的索引。注意，如果样本数不能被fold数整除，最后一个fold的大小可能会比其他fold略小。