如果要评估模型面对新用户的表现，只随机拆分记录可能不够。同一用户的多条记录出现在训练和测试两边时，测到的可能包含对熟悉用户的识别能力。
把分组单位写进需求
自拟数据包含A、B、C三个用户，每人多条记录。目标若是泛化到未见用户，应按用户整体划分；若预测已知用户的未来行为，还要另外处理时间顺序。两种问题不应共用一个未经说明的评估结果。
检查组之间是否交叉
GroupKFold提供不重叠分组的折划分，各组在所有测试折中出现一次。使用前需准备可靠的组标识，并确认不同组数量足够。记录ID不同，不代表背后的用户、设备或原始材料一定不同。
分组不能替代全部泄漏检查
预处理、特征生成和标签来源仍需符合评估边界。本站建议保存每折组清单并检查训练组与测试组的交集，而不是仅数行数。本文没有运行真实用户数据或声称模型已有跨用户泛化能力。
资料与继续学习
scikit-learn：GroupKFold。资料查阅日期：2026年10月13日。步骤与练习由本站整理。
资料查阅与编辑日期：2026年10月13日。作者：玖柒。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
