所以这就是事情。我正在为 5 名患者（P1、P2、...P5）应用二元分类器。每个患者有 100 个数据样本，输出为 0 或 1。
因此，我将一名患者（例如 P5）放在一边作为测试数据，并将其余患者用于验证和训练。但我还想为分类器（比如 SVM）找到最佳的超参数数量，所以我也为此使用了 4 折交叉验证。
但是，我想确保将训练数据拆分为 cross_training 和 cross_testing，以便一名患者的所有样本都保留在 cross_testing 折叠中。我不希望它被打乱，因为我会在测试和训练折叠中都有患者的数据，这不好。
我在 python 中使用 GridSearchCV 来拆分数据，但我不知道如何自定义它，以便我们将拥有：100 个 p1 样本在测试折叠中，所有 300 个 p2、p3、p4 样本在训练折叠中..... ..... 测试折叠中的 100 个 p4 样本和训练折叠中的所有 300 个 p1、p2、p3 样本。
换句话说，我想创建一个患者指标，以便 gridasearchCv 根据该指标拆分数据。
我们是否有一个包，或者我应该尝试在不使用 GridSearchCV 或任何类似性质的情况下手动编写它？