交叉验证

同一份训练数据反复训练，总会得到相近的评价结果，这种”自己考自己”的评价方式容易掩盖模型对新数据的真实表现。交叉验证把数据切成若干组（比如4组），轮流拿其中一部分（比如1组）当验证数据、其余当训练数据，每一轮换一组做验证，重复多次后综合各轮结果——这样每一份数据都轮流当过”没见过的新数据”，评价结果就不会因为某一次随机的数据切分而失真。这本质上是用有限的数据尽量模拟出”用未知数据检验模型”的效果，弥补了数据量不够充裕、无法单独留出一大块专门验证集的现实约束。