一个经典的优化问题！您可以使用线性规划/优化来找到一个好的分割。n 个样本s 中的每一个都具有权重f(s)，我们希望将它们分成m个折叠。您可以使用技巧来线性化 L1 目标，也可以将二次规划用于 L2 目标函数。在这种情况下，二次规划模型更容易定义。让我们将定义为将样本i放入折叠j的二元决策，而是理想的每折叠平均重量。那么这是我们的目标函数：$\in S$$x_{ij}$$\mu$

最小$\sum_{j=1}^m(\sum_{i=1}^nx_{ij}f(i)-\mu)^2$

在以下约束条件下：

$\sum_{j=1}^mx_{ij}=1$ for all以确保每个样本准确分配一个$i\in \{1..n\}$

$x_{ij} \in \{0, 1\}$将其转换为二元决策变量

根据您的数据集的大小和您使用的求解器，这可能是一个繁重的优化，但是有很多贪婪的启发式方法会让您很快关闭。