使用 scikit-learn 运行 k-fold 后如何访问数据集？

我正在尝试应用 kfold 方法，但我不知道如何访问生成的训练和测试集。在浏览了几个博客和 scikitlearn 用户指南后，人们唯一要做的就是打印训练和测试集。这可能适用于小型数据框，但对于较大的数据框则没有用。谁能帮我？

我正在使用的数据：https://github.com/ageron/handson-ml/tree/master/datasets/housing https://github.com/ageron/handson-ml/tree/master/datasets/housing

我目前所在的位置：

X = housing[['total_rooms', 'total_bedrooms']]
y = housing['median_house_value']

kf = KFold(n_splits=5) 

for train_index, test_index in kf.split(X):
    X_train, X_test = X.iloc[train_index], X.iloc[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

但这仅对生成最后一个数据集有用。我应该能够得到全部。

提前致谢。

AFAIK, KFold（事实上​​，与交叉验证过程相关的所有内容）都是为了提供临时数据集，以便人们能够如您所说，即时使用它们来拟合和评估模型，如下所示scikit-learn 中每个数据分割的交叉验证指标 https://stackoverflow.com/questions/54201464/cross-validation-metrics-in-scikit-learn-for-each-data-split/54202609#54202609.

尽管如此，自从Kfold.split()结果在 Python 生成器中，您可以使用生成的索引来获取永久子集，尽管需要一些手动工作。以下是波士顿数据的示例：

from sklearn.model_selection import KFold
from sklearn.datasets import load_boston

X, y = load_boston(return_X_y=True)
n_splits = 3
kf = KFold(n_splits=n_splits, shuffle=True)

folds = [next(kf.split(X)) for i in range(n_splits)]

现在，对于每一个k in range(n_splits), folds[k][0]包含训练指标和folds[k][1]相应的验证索引，所以你可以这样做：

X_train_1 = X[folds[0][0]]
X_test_1 = X[folds[0][1]]

等等。请注意，相同的索引适用于标签y too.