如何生成（训练，测试）折叠，其中每个测试折叠包含相应列车折叠生成的特征？

Question

例如，考虑虹膜数据集并假设我的目标是预测萼片长度。

import pandas as pd
import numpy as np

from sklearn import datasets
iris = datasets.load_iris()
train = pd.DataFrame(iris.data, columns=iris.feature_names)
train['Species'] = iris.target
train

     sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  Species
0                  5.1               3.5                1.4               0.2        0
1                  4.9               3.0                1.4               0.2        0
..                 ...               ...                ...               ...      ...
148                6.2               3.4                5.4               2.3        2
149                5.9               3.0                5.1               1.8        2

我想将数据分成5倍（train1，test1），（train2，test2），......现在考虑折叠（train1，test1）。使用train1，我想测量每个物种的平均萼片宽度，花瓣长度和花瓣宽度，然后将这些平均值映射到test1（基于物种）。然后我想为剩下的折叠做这个。

最终，我希望以允许我使用GridSearchCV使用相同折叠训练RandomForestRegressor的方式执行此操作。有没有方便的方法用scikit-learn做到这一点？

我意识到这个例子看起来很愚蠢，但我认为这对我的真实数据集很有意义。