通常折交叉验证子集的大小大致相等。它们不重叠是至关重要的。$k$

例如，我只是看看 WEKA 做了什么。假设您有个实例和个折叠，那么 r = N \mod k （N除以k的余数）是剩余记录的数量。前r个分区将有\lfloor N/k \rfloor + 1条记录，其他只有\ lfloor N/k \rfloor$N$$k$

关于你的例子：

前$6$分区将有$\lfloor N/k \rfloor + 1 = 7 + 1 = 8$条记录，其他$7$条记录。

正如 Simone 所说，通常不需要每个折叠的大小完全相同。有 6 个折叠包含 8 条记录，4 个折叠包含 7 条记录是完全合理的。这可能是一个更好的解决方案，而不是有九个大小的七倍并将多余的推入最后一个。

10 折交叉验证通常是一个相当合理的选择，但您应该知道有很多相关方法（请参阅此线程），其中一些可能是更好的选择，具体取决于您的数据集的具体情况。例如，如果您的类非常不平衡，您可能需要考虑分层交叉验证，它试图将类均匀分布在折叠中（例如，如果您有 16 个 A 类示例，理想情况下它们分布在所有 10折叠，而不是集中在折叠 #1 和 #2 中）。

如果您对交叉验证结果进行推断，其他一些方案，如 5x2 CV，也具有相对较好的属性。

您可能想要使用kfoldcv 函数来计算 k 组的样本大小。

kfoldcv(k, N, nlevel=NULL)

Arguments:
k    number of groups.
N    total sample size.
nlevel   a vector of sample sizes for stratified sampling.

您将必须安装该ipred软件包。