2.2.2 交叉驗證法
      “交叉驗證法”(cross validation)先將數據集D劃分為尼、個大小相似的互斥子集，即D= Di u D2 u...U Dk，DinDj=g(t≠j).每個子集Di都盡可能保持數據分布的一致性，即從D中通過分層采樣得到．然后，每次用k-l個子集的并集作為訓練集，余下的那個子集作為測試集；這樣就可獲得南組訓練／測試集，從而可進行庇次訓練和測試，最終返回的是這庇個測試結果的均值，顯然，交叉驗證法評估結果的穩定性和保真性在很大程度上取決于忌的取值，為強調這一點，通常把交叉驗證法稱為“憊折交叉驗證”(k-fold cross亦稱“忌倍交叉驗證”，’validation).露最常用的取值是10，此時稱為10折交叉驗證；其他常用的忌值有5、20等，圖2.2給出了10折交叉驗證的示意圖．與留出法相似，將數據集D劃分為忌個子集同樣存在多種劃分方式．為減小因樣本劃分不同而引入的差別，尼折交叉驗證通常要隨機使用不同的劃分重復p次，最終的評估結果是這p次后折交叉驗證結果的均值，例如常見的有"10次10折交叉聰證法。