stratifiedkfold参数

在 Scikit-learn 中，StratifiedKFold 是一种交叉验证方法，用于将数据集划分为 k 个折叠，其中每个折叠都保留了原始数据集中不同类别的比例。这种方法适用于分类问题，因为它可以确保每个折叠中都包含足够数量的每个类别样本。

StratifiedKFold 的主要参数如下：

- n_splits：表示将数据分成几个折叠，默认值为 5。
- shuffle：表示是否在分割前将数据集打乱，默认为 False。
- random_state：用于控制随机数生成器的种子，以确保每次运行结果一致。默认情况下，它是 None，表示使用默认的随机数生成器。

以下是一个示例：

from sklearn.model_selection import StratifiedKFold

# 创建 StratifiedKFold 对象
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)

# 对数据集进行分割
for train_index, test_index in skf.split(X, y):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    # 使用训练集进行模型训练，并在测试集上评估模型性能