交叉验证：科学评估模型的正确姿势

交叉验证把数据分成多份，轮流用其中一份做测试、其余做训练，综合多次结果评估模型。它能有效避免“恰巧碰到简单测试集”的评估偏差，是判断模型好坏的基本功。

交叉验证的本质是“不要用一次考试定终身”。多考几场取平均，既能看出真实水平，也能看出心态稳定性。这套评估思维在做任何重要判断时都适用——重要的结论，值得用多种方式交叉验证。

## 核心要点

图片来源：Openverse / Brokentaco（https://www.flickr.com/photos/92024986@N00/2852697326）

1. K 折交叉验证是最常用形式，K 通常取 5 或 10。

2. 数据量小时交叉验证尤其重要，单次划分太不可靠。

3. 时间序列数据要用时间顺序的交叉验证，不能随机打乱。

4. 交叉验证的结果方差本身也是模型稳定性的信息。

图片来源：Openverse / tony_duell（https://www.flickr.com/photos/43851301@N02/9561762624）

## 写在最后

以上是关于「交叉验证」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。