Python 稀疏（csr）特征矩阵上的分层KFold

我有一个大的稀疏矩阵（9500012000），包含了我模型的特征。我想使用python中的Sklearn.cross_验证模块进行分层K折叠交叉验证。然而，我还没有在python中找到索引稀疏矩阵的方法

我是否可以在稀疏特征矩阵上执行分层折叠？

试试以下方法：

# First make sure sparse matrix is to_csr
X_sparse = x.tocsr()
y= output
X_train = {}
Y_train = {}

skf = StratifiedKFold(5, shuffle=True, random_state=12345)
i=0
for train_index, test_index in skf.split(X,y):
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train[i], X_test[i] = X[train_index], X[test_index]
    y_train[i], y_test[i] = y[train_index], y[test_index]
    i +=1

---

很明显，你甚至没有试过。Scikit learn CV在稀疏矩阵上运行良好，因为csr_矩阵是Scikit-learn中的默认数据表示形式。它是否给了您一个错误“整数无法索引”？