问题描述
我这里有这段Python代码，取自SoloLearn，
scores = []
kf = KFold(n_splits=5,shuffle=True)
for train_index,test_index in kf.split(X):
X_train,X_test = X[train_index],X[test_index]
y_train,y_test = y[train_index],y[test_index]
model = LogisticRegression()
model.fit(X_train,y_train)
scores.append(model.score(X_test,y_test))
print(scores)
print(np.mean(scores))
然后我的问题是，是否需要在每个分组中创建一个新模型？ 为什么我们不只在for之前创建一个LogisticRegression？
我会把它放在前面，以节省计算时间，但是由于它是通过这种方式呈现的，所以我认为是有原因的。
解决方法
好问题！答案是...您不必每次都创建模型。你的直觉是正确的。随时将model = LogisticRegression()移至循环之外的顶部，然后重新运行以确认。
每次model.fit(X_train,y_train)之后存在的模型对象都是相同的。
答案是肯定的。
之所以这样，是因为这是 k倍交叉验证
简单地说，这意味着您正在训练k个模型，评估每个模型的结果并求平均。
在没有用于培训和测试的单独数据集的情况下，我们会这样做。交叉验证将训练数据划分为k个子组，每个子组包含其自己的测试/训练划分（我们称为折叠）。然后，我们在第一折的训练数据上训练模型，并在测试数据上进行测试。重复所有折叠，并为每个折叠使用新模型，现在我们对整个数据集有了正确的预测。
这里是指向交叉验证的详细说明的链接-https://machinelearningmastery.com/k-fold-cross-validation/
, KFold用于交叉验证，这意味着训练模型并对其进行评估。
Here是有关此主题的文档示例。
这样做时，您显然需要两个数据集：一个训练和一个评估数据集。
使用KFold时，您将训练集按折叠数划分（在示例中为5）并运行五个模型，每次使用五分之一作为验证集，其余数据集作为训练集
现在，为了回答这个问题：由于您有五个模型，因此每次都需要一个新模型，因为第五次中的每一次您都有不同的训练集和验证集。您必须在scikit learn中创建一个新模型，因为在运行model.fit()时，模型是在特定数据集上进行训练的，因此您不能将其用于其他训练数据集。
如果只想创建一次，则可以复制例如：
model = LogisticRegression(**params)
def parse_kfold(model)
kf = KFold(n_splits=5,shuffle=True)
for train_index,test_index in kf.split(X):
model_fold = model
...