如何在 Python 中不随机地将数据拆分为 k 折叠

Question

我的数据包含组（个人）。数据中的每个观察值都是个体的年龄，从 16 岁到死亡，每个人的年龄都不同。对于交叉验证，我需要将数据拆分为 k 折，但我觉得我不应该随机进行。我想按组（个人的生命周期）拆分数据。

我之前已经对我的数据进行了分组，但是如何确保我的 k 折交叉验证将按组而不是随机进行拆分？

grouped = data.groupby('id')
lifetimes_list = grouped.size()

Answer 1

这称为分层交叉验证。有关何时可能是个好主意的讨论，请参阅适当命名的 stackexchange 站点上的this question。

在 Python 中，您可以使用 scikit-learn 的 StratifiedKFold 类最方便地做到这一点。