如何在ML中实现make_folds函数

import numpy as np

def make_folds(data, num_folds):
    """
    将数据集划分为指定数量的折（folds）

    参数：
    data: numpy数组，包含输入特征和标签
    num_folds: int，要划分的折数

    返回：
    folds: 列表，包含划分后的折

    """

    # 获取数据集的样本数量
    num_samples = len(data)

    # 计算每个折的样本数量
    fold_size = num_samples // num_folds

    # 打乱数据集的顺序
    np.random.shuffle(data)

    # 初始化折列表
    folds = []

    # 划分折
    for i in range(num_folds):
        start = i * fold_size
        end = (i + 1) * fold_size

        # 将数据划分为训练集和验证集
        train_data = np.concatenate((data[:start], data[end:]), axis=0)
        val_data = data[start:end]

        # 将训练集和验证集添加到折列表中
        folds.append((train_data, val_data))

    return folds