我看到在数据集上使用10倍交叉验证的论文，这些数据集的样本数量与10不相同。
我找不到他们解释他们如何选择每个子集的情况。
我的假设是他们在某种程度上使用了重新取样，但如果是这种情况，则样本可能会出现在两个子集中，从而偏向模型。
论文例如：http://www.biomedcentral.com/1471-2105/9/319
是否建议执行以下操作;
这样做就可以了，所以每个样本都是一个训练集，但只有80/86个样本被用作保留，并且没有偏见让它在训练和保持集中都出现。
任何见解都将受到赞赏。
答案 0 :(得分：4)
您希望折叠具有相同的尺寸，或尽可能接近相等。
要执行此操作，如果您有86个样本且想要使用10倍CV，则第一个86 % 10 = 6折叠的大小为86 / 10 + 1 = 9，其余的将具有{{1} }}：
86 / 10 = 8一般情况下，如果您有6 * 9 = 54
4 * 8 = 32 +
--------------
86
个样本和n个折叠，您希望执行scikit-learn does：
前n％n_folds折叠的大小为n // n_folds + 1，其他折叠的大小为n // n_folds。
注意：n_folds代表整数除法
我不知道对此有适当的科学参考，但它似乎是惯例。有关相同的建议，请参阅this question和this one。至少有两个主要的机器学习库就是这样做的。