Python 如何获取sklearn.cross_validation.cross_val_score中内部分割的折叠本身？

我正在使用：

sklearn.cross_validation.cross_val_分数

进行交叉验证并获得每次运行的结果

此函数的输出是分数

---

是否有一种方法可以获取在cross_val_score函数中内部分区的折叠（分区）？

的默认交叉验证程序是一个分层折叠，K=3用于分类。您可以使用交叉验证迭代器代替，方法是在拆分上使用and循环，如示例所示。

的默认交叉验证器是分层折叠，K=3表示分类。您可以使用交叉验证迭代器，如示例所示，通过在拆分上使用and循环来获得交叉验证迭代器。

没有方法提取

交叉验证分数中使用的内部交叉验证拆分，因为此函数不公开其任何状态。如中所述，将使用具有
k=3
的k褶皱或分层k褶皱

但是，如果需要跟踪所使用的交叉验证拆分，可以通过创建自己的以下项显式传入
cross\u val\u score
的
cv
参数：

这样它就完全使用了您指定的分割，而不是滚动自己的分割。
没有方法提取
交叉验证分数中使用的内部交叉验证分割，因为此函数不公开它的任何状态。如中所述，将使用具有
k=3
的k褶皱或分层k褶皱

但是，如果需要跟踪所使用的交叉验证拆分，可以通过创建自己的以下项显式传入
cross\u val\u score
的
cv
参数：

因此，它完全使用您指定的分割，而不是滚动自己的分割。
是的，我知道我可以这样做，但cross_val_分数节省了很多精力，因此我正在寻找一种方法来提取折叠，同时使用它。是的，我知道我可以这样做，但cross_val_分数节省了很多精力，所以我在寻找一种在使用它的时候提取折叠的方法。我想确定一下，分割分区时有没有随机性？或者为相同的kfold设置和目标标签生成相同的分区？由参数
random\u state
控制的拆分中存在随机性。如果不指定，将使用
numpy
的内部随机状态，并且多次运行的结果可能不同。对于
KFold
，只有当
shuffle=True
时才应用随机性。在StratifiedFold中没有称为“shuffle”或“random_state”的参数，那么情况如何？至少到目前为止，它确实有这些参数。我想确定一下，分割分区时是否存在随机性？或者为相同的kfold设置和目标标签生成相同的分区？由参数
random\u state
控制的拆分中存在随机性。如果不指定，将使用
numpy
的内部随机状态，并且多次运行的结果可能不同。对于
KFold
，只有当
shuffle=True
时，随机性才适用。在StratifiedFold中，没有称为“shuffle”或“random_state”的参数，那么情况如何？至少到目前为止，它确实有这些参数。
from sklearn.cross_validation import KFold, cross_val_score
from sklearn.datasets import load_iris
from sklearn.svm import SVC

iris = load_iris()
kf = KFold(len(iris.target), 5, random_state=0)
clf = SVC(kernel='linear', C=1)
scores = cross_val_score(clf, iris.data, iris.target, cv=kf)