小样本分类中必须用StratifiedKFold而非KFold，因其强制每折保持原始类别比例，避免某折缺失少数类导致评估失真；使用时须同时设置shuffle=True和random_state，否则划分不稳定或报错。
分层K折验证在小样本分类中为什么必须用StratifiedKFold而不是KFold
因为小样本下随机划分极大概率导致某折测试集缺失少数类，模型评估直接失效。比如你只有60个样本、2类（正例12个，负例48个），用KFold(n_splits=5)默认划分，每折12个样本——但shuffle=True不保证类别比例，某一折可能抽到12个全是负例，此时准确率算出来是100%，F1却是0，指标完全失真。
而StratifiedKFold强制每折中正/负例比例≈原始数据比例（本例中每折应含约2–3个正例），确保每次验证都覆盖两类分布。这不是“更好”，而是“不这么做就无法合理评估”。
StratifiedKFold的参数陷阱：别以为设了shuffle=True就万事大吉
很多人照搬KFold写法，只改类名，却忽略关键差异：StratifiedKFold的shuffle和random_state必须同时设置才有效。如果只设shuffle=True没设random_state，每次运行划分结果不同，且可能因内部随机顺序导致某折类别数不足（尤其当某类样本数不能被k整除时）。
-
StratifiedKFold(n_splits=5, shuffle=True, random_state=42)✅ 安全 -
StratifiedKFold(n_splits=5, shuffle=True)❌ 每次划分不同，且极端情况下可能报ValueError: The least populated class in y has only 1 member -
StratifiedKFold(n_splits=5)❌ 默认不打乱，若原始数据按类别排序（如前12行全是正例），所有折的正例都会集中在前几折，后几折无正例
小样本下n_splits选5还是10？看正例绝对数量
不是越大越好。当正例总数n_splits=10会导致某些折里正例数为0或1，StratifiedKFold会拒绝划分并抛出异常。此时必须降档：
立即学习“Python免费学习笔记（深入）”；
- 正例 ≥ 20 → 可用
n_splits=10，提升评估稳定性 - 正例 10–19 → 建议
n_splits=5，平衡折数与每折最小正例数 - 正例 LeaveOneOut或手动控制最小支持数（如用
StratifiedShuffleSplit配n_splits=1+test_size=0.2多次采样）
例如：正例仅7个，硬设n_splits=5，理想每折应含1.4个正例——StratifiedKFold会向下取整分配，实际出现3折含1个、2折含2个，但绝不会让任何一折为0；而n_splits=10则必然失败。
预处理必须在split之后做，否则泄露会悄悄毁掉分层效果
分层的意义在于保持各折的类别分布一致，但如果在划分前就对整个X做了标准化（StandardScaler().fit_transform(X)），测试集的统计量就已参与训练，后续再分层也白搭。更隐蔽的问题是：用train_test_split先分出大训练集再做交叉验证，也会破坏分层逻辑。
正确流程只能是：
- 原始
X,y→ 直接喂给StratifiedKFold.split() - 每轮循环内：用
train_idx切片得到X_train,y_train→ 在这上面fitscaler / imputer / encoder - 再用该
transform处理X_test（仅transform，不fit）
漏掉这个约束，分层再严格也没用——模型其实早就在“偷看”测试集分布了。
