Python Sklearn：分组数据的交叉验证

我正在尝试对分组数据实施交叉验证方案。我希望使用GroupKFold方法，但我一直得到一个错误。我做错了什么？ 代码（与我使用的代码略有不同——我有不同的数据，所以我有一个更大的n_分割，但其他所有符号都是相同的）

错误：

Traceback (most recent call last):

File "<ipython-input-143-11d785056a08>", line 8, in <module>
result = grid_search.fit(x, y)

File "/home/student/anaconda/lib/python3.5/site-packages/sklearn/grid_search.py", line 813, in fit
return self._fit(X, y, ParameterGrid(self.param_grid))

 File "/home/student/anaconda/lib/python3.5/site-packages/sklearn/grid_search.py", line 566, in _fit
n_folds = len(cv)

TypeError: object of type 'generator' has no len()

到

也不行。然后，错误消息为：

'GroupKFold' object is not iterable

GroupKFold

函数一次生成一对训练和测试索引。您应该调用拆分值上的

list

，将它们全部放入一个列表中，以便计算长度：

gkf = list(GroupKFold( n_splits=3).split(x,y,group))

---

您有什么版本的

sklearn

GridSearchCV

的

cv

参数通常应该使用生成器。它似乎可以工作。然而，我尝试了

gkf=list（GroupKFold（n_splits=3）、split（x，y，group））

和

gkf=list（GroupKFold（n_splits=3）、split（x[：-100]、y[：-100]、group[：-100））

两种情况下，都用

grid\u search.fit（x，y）

对其进行训练。这两种方法运行平稳，结果几乎相同，但我预计第二种方法会失败（因为它在gkf上的元素比在fit上的元素少）。我如何检查它的行为呢？还尝试了

gkf=list（GroupKFold（n_splits=3）。split（x，y，group））

使用

grid\u search.fit（x[：100]，y[：100]）

并且它确实引发了一个奇怪的错误

索引器：索引100超出了大小100的界限

gkf = GroupKFold( n_splits=3)

'GroupKFold' object is not iterable

gkf = list(GroupKFold( n_splits=3).split(x,y,group))