问题描述
我正在尝试编写10倍交叉验证的代码。
也就是说，将数据分成10个大小相等的块，然后对于10个迭代中的每个迭代，取出第i个块，并将其余90％用于测试数据。
对于第二次迭代，我需要将前10％与后80％结合在一起。 对于第三次迭代，我将前20％加入后70％。 等等。
（因此，第一次迭代将删除第一个10％，第二次迭代将第二个10％删除，依此类推）
我的数据包含1000个项目，每个项目都是np.float类型的70个值的数组
将为10个验证中的每一个调用此循环，其中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
它早先起作用了，但是现在我得到了错误：
operands could not be broadcast together with shapes (100,70) (800,70)
我认为这可能是由于np.float数据类型所致； 它之前使用的是另一种数据类型。
谢谢
1楼
不要重新发明轮子。
您可以在sklearn.cross_validation模块中使用功能和 。
参见文档：
K折交叉验证迭代器。
提供训练/测试索引以将数据拆分为训练测试集中的数据。 将数据集拆分为k个连续的折叠（不带混排）。
然后将每个折痕用于一次验证集，而剩下的k-1个折痕则来自训练集。
2楼
尝试：
training = np.concatenate((input_array[:i*subset_size], input_array[(i+1)*subset_size:]))
（对于numpy数组，+运算符将值加在一起，并假设它们的形状相同：）
a = np.array(range(10))
print a + a # => [ 0 2 4 6 8 10 12 14 16 18]