在python中拆分数据，使每个主题保持在一个折叠中（m折叠交叉验证）

事情是这样的。 我正在为5名患者（P1、P2、P5）应用一个二进制分类器。每个患者有100个数据样本，输出为0或1

因此，我将一名患者（比如P5）放在一边作为测试数据，并将其余患者用于验证和培训。但是我也想找到分类器（比如SVM）的最优超参数数量，所以我也使用了4倍交叉验证

但是，我希望确保将训练数据拆分为交叉训练和交叉测试，以便一名患者的所有样本都保持交叉测试。我不希望它被洗牌，因为我在测试和训练中都会有患者的数据，这是不好的

我在python中使用GridSearchCV来分割数据，但我不知道如何对其进行自定义，以便我们能够： 测试折叠中的100个p1样品和训练折叠中的300个p2、p3、p4样品。。。。。。。。。。测试折叠中的100个p4样本和训练折叠中的所有300个p1、p2、p3样本

换句话说，我想创建一个患者指标，以便gridasearchCv根据该指标分割数据

---

我们有这方面的软件包吗？或者我应该尝试在不使用GridSearchCV或任何类似性质的软件包的情况下手动编写它？

您应该使用scikit learn

GroupKFold

。它应该很容易解决你的问题。使用患者列表作为组，例如如果样本

i

属于患者2，则患者[i]=“p2”

这是我的建议