Cross-validation

定义 Definition

交叉验证：一种用于评估模型泛化能力（在新数据上的表现）的统计/机器学习方法。常见做法是把数据分成若干份（folds），轮流用其中一部分做验证集、其余做训练集，并对多次结果取平均。常用于模型选择与调参。（也有其他形式，如留一法、分层K折等。）

发音 Pronunciation (IPA)

/ˌkrɔːs ˌvælɪˈdeɪʃən/

例句 Examples

Cross-validation helps us estimate how well the model will perform on unseen data.
交叉验证帮助我们估计模型在未见数据上的表现。

After tuning the hyperparameters, the team used 10-fold cross-validation to compare several classifiers and reduce the risk of overfitting.
在调好超参数后，团队使用10折交叉验证来比较多个分类器，并降低过拟合风险。

词源 Etymology

cross- 有“交叉、轮换”的含义，强调在不同数据切分之间轮流验证；validation 来自拉丁语 validus（“有力的、有效的”），表示“验证、确认有效性”。合起来即“通过轮换切分来验证（模型）有效性”。

相关词 Related Words

• Validation
• Overfitting
• Generalization
• Training Set
• Test Set
• Holdout
• K-fold
• Hyperparameter
• Regularization
• Model Selection

文学与经典著作 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）：讨论模型评估与选择时系统介绍交叉验证等方法。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）：以教学方式讲解K折交叉验证在实践中的用法。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）：在模型比较与泛化误差估计语境中提及交叉验证。
• Deep Learning（Goodfellow, Bengio, Courville）：在训练/验证策略与模型选择的讨论中涉及交叉验证概念。