机器学习中的交叉验证（cross-validation）

交叉验证（Cross validation)，交叉验证用于防止模型过于复杂而引发的过拟合.有时亦称循环估计， 是一种统计学上将数据样本切割成较小子集的实用方法。因而能够先在一个子集上作分析， 而其它子集则用来作后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。交叉验证是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力（generalize）。

>>阅读原文<<