<div dir="ltr">Hello,<div>I am doing a k-fold cross validation on a data according to the following:</div><div>1. I'm partioning the data myself - set a train ('0' chunk) and test chunks ('1' chunk).</div><div>2. Using clf.train() and then clf.predict()</div><div>3. print the accuracy result and confusion matrix.</div><div>And i'm repeating this k times (by running the script attached k times)</div><div><br></div><div>The reason i'm asking is because:</div><div>The standard diviation among the accuracy results produced when using CrossValidation class, and the standard diviation among</div><div>accuracy results in the way i described <b>are different</b>.</div><div><br></div><div>Using the CrossValidation class - the standard diviation is smaller.</div><div><br></div><div>Why is that? does it happend to involve errorfx?</div><div>What is the correct way to build such a scheme?</div><div><br></div><div>I've attached the script i'm using to produce single fold accuracy result.</div><div><br></div><div>Would appriciate your help,</div><div>Gal Star <br></div></div>