Python “a”和“a”之间有什么区别；“正常”；使用shuffle=True的k-折叠交叉验证和重复的k-折叠交叉验证？

有人能解释一下使用洗牌功能的“正常”k折叠交叉验证之间的区别吗

kf = KFold(n_splits = 5, shuffle = True)

和重复的k-折叠交叉验证？他们不应该返回相同的结果吗

很难理解其中的区别

任何暗示都是值得赞赏的。

顾名思义，都是重复的。 它执行它

n\u重复
次。当
n_repeats=1
时，前者的性能与
shuffle=True
时后者的性能完全相同。
它们不会返回相同的拆分，因为默认情况下，
random\u state=None
，也就是说，您没有指定它。
因此，他们使用不同的种子（伪）随机地洗牌数据

当它们具有相同的
random_state
且重复一次时，则两者导致相同的拆分。要深入了解，请尝试以下方法：

TRAIN: [1 3 5 7 8] TEST: [0 2 4 6 9]
TRAIN: [0 2 4 6 9] TEST: [1 3 5 7 8]

TRAIN: [1 3 5 7 8] TEST: [0 2 4 6 9]
TRAIN: [0 2 4 6 9] TEST: [1 3 5 7 8]

将熊猫作为pd导入
从sklearn.model_选择导入KFold，重复KFold
data=pd.DataFrame（[['红色'，'草莓']，#颜色，水果
[“红色”、“草莓色”]，
[“红色”、“草莓色”]，
[“红色”、“草莓色”]，
[“红色”、“草莓色”]，
[‘黄色’、‘香蕉’]，
[‘黄色’、‘香蕉’]，
[‘黄色’、‘香蕉’]，
[‘黄色’、‘香蕉’]，
[‘黄色’、‘香蕉’]]
X=数据[0]
#肯福尔德
对于序列索引，测试KFold中的索引（n\u splits=2，shuffle=True，random\u state=1）。split（X）：
打印（“列车：，列车索引，测试：，测试索引）
#重复折叠
对于列车索引，在RepeatedKFold中测试索引（n_分割=2，n_重复=1，随机状态=1）。分割（X）：
打印（“列车：，列车索引，测试：，测试索引）

您应获得以下信息：

TRAIN: [1 3 5 7 8] TEST: [0 2 4 6 9]
TRAIN: [0 2 4 6 9] TEST: [1 3 5 7 8]

TRAIN: [1 3 5 7 8] TEST: [0 2 4 6 9]
TRAIN: [0 2 4 6 9] TEST: [1 3 5 7 8]