Python 使用指定数量的培训数据进行交叉验证？ 客观的

我想执行k-fold交叉验证，但不是使用k-1数据集进行训练和k数据集进行测试，我想确定训练数据的数量，就像

train\u test\u split

的

train\u size

一样。然后将剩余部分作为测试数据

确切地说，我有一个二进制分类数据集，在执行交叉val时，我希望每个类有10个实例

期望函数 假设我想做5倍的CV：

cross\u val\u得分（估计器=我的模型，X，y，cv=5，训练规模=20）

当然，在这个例子中，我的X，y应该有>=100个实例

我的尝试 我只是手工制作的。我能得到的最接近的结果是迭代：

for _ in range (5):    
  X_tr, X_te, y_tr, y_te = train_test_split(X, y, train_size=20, stratified=y)  

但这会随机选取数据，并可能导致两个序列数据集相似，而且它不适应cv

注 是的，这将导致某些数据集不用于训练集，但这正是我希望在当前工作中实现的目标

是否有任何python函数提供此功能？

您仍然可以使用，但需要附加逻辑

确定测试数据量：

测试量=总测试量*测试量大小

确定拆分的金额：

n\u拆分=总金额//test\u金额

使用kFold：

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