GroupKFold и KFold: проверка утечки групп на Python

Аудит изоляции групп в схемах кросс-валидации

Что уже дано

Проверяющая система запускает решение как независимый скрипт Python в среде с библиотеками numpy, pandas и scikit-learn. Никаких предопределённых переменных или файлов в окружении не создаётся.

Что нужно сделать

Напишите программу, которая считывает из стандартного потока ввода параметры разбиения и строки таблицы измерений, выполняет разбиение на фолды и выводит результаты аудита по каждому фолду.

Программа должна поддерживать два режима валидации по значению флага mode:

1. Если mode == "group", примените GroupKFold(n_splits=k).
2. Если mode == "kfold", примените KFold(n_splits=k, shuffle=False).

Для каждого сгенерированного фолда (нумерация от 1 до k по порядку итератора разбиения):

• Определите размер обучающей выборки в строках и число уникальных идентификаторов машин в обучении.
• Определите размер валидационной выборки в строках и число уникальных идентификаторов машин в валидации.
• Посчитайте количество общих идентификаторов машин, присутствующих одновременно и в train, и в val данного фолда (overlap).
• Выведите строку фолда в формате:
  Fold {i}: train={n_train_rows} ({n_train_groups} groups), val={n_val_rows} ({n_val_groups} groups), overlap={n_overlap}

После вывода строк по всем k фолдам выведите суммарное число фолдов с утечкой групп (то есть фолдов, где overlap > 0):
Leaking folds: {leaking_folds_count}

Ввод и вывод

Программа читает данные из stdin и пишет результат в stdout.

Формат ввода

• Первая строка: текстовый режим разбиения — ровно строка group или kfold.
• Вторая строка: целое число k (k >= 2) — число фолдов кросс-валидации.
• Третья строка: целое число n (n >= k) — общее число строк таблицы.
• Следующие n строк: каждая содержит три значения через пробел: machine_id load_pct temperature_c (текстовый идентификатор машины, затем вещественные числа нагрузки и температуры).

Гарантируется, что при режиме group число уникальных machine_id не меньше k.

Формат вывода

• k строк с аудитом каждого фолда в формате:
  Fold {i}: train={n_train_rows} ({n_train_groups} groups), val={n_val_rows} ({n_val_groups} groups), overlap={n_overlap}
• Финальная строка: Leaking folds: {leaking_folds_count}.