在Python中连接两个大小不同的列表列表

我正试图为10倍交叉验证编写代码

也就是说，将数据分成10个大小相等的块。然后，对于10次迭代中的每一次，取出第i个块，并将剩余的90%用于测试数据

对于第二次迭代，我需要将前10%与最后80%合并。在第三次迭代中，我加入了前20%和后70%。等等

（因此，第一次迭代，第一个10%被删除，第二次迭代，第二个10%被删除，等等）

我的数据由1000个项目组成，每个项目是一个包含70个np.float类型值的数组

10次验证中的每一次都将调用此循环，i=0，i=1…i=9：

def get_training(input_array, i):
    training = (input_array[:i*subset_size] + input_array[(i+1)*subset_size:])
    return training

它在以前工作过，但现在我发现了一个错误：

operands could not be broadcast together with shapes (100,70) (800,70)

我认为这可能是由于np.float数据类型；它之前正在使用另一种数据类型

谢谢

试试：

training = np.concatenate((input_array[:i*subset_size], input_array[(i+1)*subset_size:]))

（对于numpy数组，+运算符将值相加，假设它们的形状相同：）

尝试：

（对于numpy数组，+运算符将值相加，假设它们的形状相同：）

尝试：

（对于numpy数组，+运算符将值相加，假设它们的形状相同：）

尝试：

（对于numpy数组，+运算符将值相加，假设它们的形状相同：）

---

不要重新发明轮子。您可以在

sklearn.cross\u validation

模块中使用函数和

见文件：

K-折叠交叉验证迭代器

提供列车/测试索引以分割列车测试集中的数据。分裂 将数据集分成k个连续的折叠（不洗牌）

然后，在k-1剩余的情况下，每个折叠使用一次验证集 从训练集中折叠

---

不要重新发明轮子。您可以在

sklearn.cross\u validation

模块中使用函数和

见文件：

K-折叠交叉验证迭代器

提供列车/测试索引以分割列车测试集中的数据。分裂 将数据集分成k个连续的折叠（不洗牌）

然后，在k-1剩余的情况下，每个折叠使用一次验证集 从训练集中折叠

---

不要重新发明轮子。您可以在

sklearn.cross\u validation

模块中使用函数和

见文件：

K-折叠交叉验证迭代器

提供列车/测试索引以分割列车测试集中的数据。分裂 将数据集分成k个连续的折叠（不洗牌）

然后，在k-1剩余的情况下，每个折叠使用一次验证集 从训练集中折叠

---

不要重新发明轮子。您可以在

sklearn.cross\u validation

模块中使用函数和

见文件：

K-折叠交叉验证迭代器

提供列车/测试索引以分割列车测试集中的数据。分裂 将数据集分成k个连续的折叠（不洗牌）

然后，在k-1剩余的情况下，每个折叠使用一次验证集 从训练集中折叠

---

谢谢你的提示，我不知道这个模块，但将来会用到它。@user3140106很乐意帮忙！如果您觉得它对您有用，请随时联系。：）谢谢你的提示，我不知道这个模块，但将来会用到它。@user3140106很乐意帮忙！如果您觉得它对您有用，请随时联系。：）谢谢你的提示，我不知道这个模块，但将来会用到它。@user3140106很乐意帮忙！如果您觉得它对您有用，请随时联系。：）谢谢你的提示，我不知道这个模块，但将来会用到它。@user3140106很乐意帮忙！如果您觉得它对您有用，请随时联系。：）

a = np.array(range(10))
print a + a                 # => [ 0  2  4  6  8 10 12 14 16 18]