Как делим данные для кросс-валидации?

Для кросс-валидации данные обычно делятся на несколько непересекающихся подмножеств (фолдов). На каждом шаге один из фолдов используется как тестовый набор, а остальные — как обучающий. Это позволяет оценить модель на разных частях данных и получить более надежную оценку её качества.

Пример: при 5-кратной кросс-валидации данные разбиваются на 5 частей. Итеративно каждая часть становится тестовой, а остальные 4 — обучающими.

from sklearn.model_selection import KFold
import numpy as np

X = np.arange(20)  # пример данных
kf = KFold(n_splits=5, shuffle=True, random_state=42)

for train_index, test_index in kf.split(X):
    print("Train:", train_index, "Test:", test_index)

Важно, чтобы разбиение было репрезентативным и учитывало особенности данных (например, стратификация для несбалансированных классов).