可以结合 RepeatedStratifiedKFold 和 cross_val_score 吗？
以下示例中的结果是 30 个准确度值（3x10 分割）。如何计算 3 倍 10 倍 cv 的最终准确度值？
cv = RepeatedStratifiedKFold(n_splits=10, n_repeats=3, random_state=rand)
rf = RandomForestClassifier(n_estimators=e, random_state=rand)
scores = cross_val_score(rf, data, Y, scoring='accuracy', cv=cv, n_jobs=-1)
我发现了一篇关于重复交叉验证的最新论文：
它指出：如果是单次k折交叉验证返回的结果，那么整个重复交叉验证（n次重复）的交叉验证结果为：.
所以要计算最终分数，我们需要一个“块”函数：（来自stackoverflow的代码）
def chunks(lst, n):
means = []
"""Yield successive n-sized chunks from lst."""
for i in range(0, len(lst), n):
means.append(np.mean(lst[i:i + n]))
return means
然后可以通过以下方式计算最终分数：
np.mean(chunks(scores, n_splits))