交叉验证
评估模型泛化能力的方法（通过将数据集划分为多个子集，反复进行训练和验证，用以减少单次数据划分带来的随机性误差）
简单交叉验证（Hold-Out Validation）
将数据划分为训练集和验证集（如70%训练，30%训练），结果受单次划分影响较大，可能高估或低估模型性能
k折交叉验证（k-Fold Cross-Validation）
将数据均匀分为k个子集，每次用k-1折训练，剩余1折验证，重复k次后取平均性能，充分利用数据，结果更稳定
留一交叉验证（Leave-One-Out，简称Loo）
ne-Out，简称Loo）
每次仅留一个样本作为训练集，其余全部用于训练，重复直到所有样本都被验证一次