5折交叉验证 python 代码例子

5折交叉验证是一种常用的模型评估方法，可以有效地降低结果的偶然性，提高模型的准确性。下面是一个使用KFold实现5折交叉验证的Python代码例子：

from sklearn.datasets import load_digits
from sklearn.model_selection import KFold
import pandas as pd

# 加载测试专用数据集
train, target = load_digits(return_X_y=True)
train = pd.DataFrame(train)
target = pd.DataFrame(target)

# K折交叉验证 K-fold CV
# 5折交叉验证
kf = KFold(n_splits=5)
for k, (train_index, test_index) in enumerate(kf.split(train)):
    train_data, test_data, train_target, test_target = train.iloc[train_index], train.iloc[test_index], target.iloc[train_index], target.iloc[test_index]
    # 在这里进行模型训练和评估

在这个例子中，我们使用了sklearn库中的load_digits函数加载了一个手写数字的数据集，并将其转换为DataFrame格式。然后，我们使用KFold函数将数据集划分为5个部分，并在每个部分上进行模型训练和评估。在每次划分时，我们可以使用train_index和test_index来获取训练集和测试集的数据。在这里，我们只是简单地将它们赋值给train_data、test_data、train_target和test_target变量，你可以在这里进行模型训练和评估。