kfold在不平衡数据中会漏掉少数类样本，因其仅平均切分索引而不考虑类别分布；stratifiedkfold通过分层抽样确保每折类别比例一致，但极端不平衡时仍需repeatedstratifiedkfold或结合采样策略。
KFold 在处理不平衡数据时会漏掉少数类样本，不是它写错了，而是设计上就不保证类别比例。
它只管把索引平均切分，完全不看 y 的值。当正样本只有 10 个、总样本 1000 个时，5 折里每折 200 个样本——但那 10 个正样本可能全被分到同一折，其余 4 折验证集里一个都没有。
验证集里没有少数类，评估就失效
你看到的 accuracy 可能高达 99.8%，但模型根本没机会学怎么识别欺诈或病灶。更糟的是，precision、recall、F1 全部无法计算（分母为 0 或结果无意义）。
- 常见错误现象：
ValueError: Classification metrics can't handle a mix of binary and continuous targets或undefined metric警告 - 使用场景：信用卡欺诈、疾病筛查、异常检测等正负样本比例常低于 1:100 的任务
- 参数差异：
KFold没有stratify参数；StratifiedKFold强制每个 fold 中y的分布与原始数据一致
StratifiedKFold 并非万能
它能保持比例，但不能解决极端稀疏问题。比如原始数据中正样本仅占 0.01%，5 折后每折平均只有 0.5 个正样本——实际分配时要么 0 个、要么 1 个，方差依然很大。
- 性能影响：
StratifiedKFold比KFold略慢（需按类别分组再切），但可忽略 - 兼容性：所有接受
cv=...参数的 sklearn 函数（如cross_val_score、GridSearchCV）都支持传入StratifiedKFold实例 - 容易踩的坑：误在过采样（如 SMOTE）之后才用
StratifiedKFold——这会导致信息泄露，正确顺序是「先划分，再对每折训练集单独过采样」
比 StratifiedKFold 更稳的方案：RepeatedStratifiedKFold
单次分层 K 折仍受随机种子影响。重复执行多次（比如 10 次 5 折），能显著降低评估波动。
- 示例：
RepeatedStratifiedKFold(n_splits=5, n_repeats=10, random_state=42) - 适用条件：当阳性率 StratifiedKFold 的 F1 标准差 > 0.05 时，就该上重复策略
- 注意点：
n_repeats增加会线性提升计算量，别盲目设到 100；通常 5–10 次已足够收敛
StratifiedKFold，而是忘记检查每一折验证集里的少数类数量是否 ≥ 3——否则指标抖动大到没法判断模型改进是否真实有效。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
