【发布时间】：2022-01-23 01:37:45
【问题描述】：
sklearn.model_selection.KFold 的 split() 函数将 X 和 y（y 是可选的）作为参数。为什么我们需要给 y？ split() 函数所做的只是为 kfold CV 生成行索引，因此行数应该足够。实际上也不需要 X。这是一种兼容性问题吗？谢谢。
【问题讨论】：
标签： python scikit-learn
【发布时间】：2022-01-23 01:37:45
【问题描述】：
因为他们希望遵循与其他交叉验证拆分相同的格式，其中一些依赖于 X 或 y 数据。例如，StratifiedKFold 依赖于 y，因为它试图保持测试数据和训练数据之间的类分布成比例。 here 的不同风格有很好的视觉表现。
所以，是的，你的预感是对的。它是兼容性驱动的。
【讨论】：
在我看来，在考虑 split() 类 kFold 的方法时，y 并不是定义行索引的基础（实际上甚至不是 X，但仅样本数）。
确实，如果您查看类 BaseCrossValidator 中方法 split() 的实现，您会发现它实际上仅取决于样本数量（参见 _num_samples() 方法 here 的参考，例如；观察，此外，基类中的 _iter_test_indices() 方法未实现，因为它专门用于单个类，并由 _iter_test_masks() 调用，而split() 又调用它。
接下来发生的事情是，在KFold（和_BaseKFold）类中，split() 和_iter_test_indices() 都是专门的，以便再次仅考虑样本数量；另一方面，当涉及到 StratifiedKFold 类时，y 确实发挥了作用，正如您在 _make_test_folds() 的实现中所看到的那样（由 _iter_test_masks() 调用）。
【讨论】：