模型評估和性能測試方法
交叉驗證法（Cross-Validation）是一種統計學和機器學習領域中常用的模型評估和性能測試方法。
這種方法將數據集分割成訓練集和測試集，訓練集用於模型的訓練和參數估計，而測試集用於評估模型的性能。交叉驗證的核心在於它的“交叉”特性，即將數據集分割成多箇子集，並在每次迭代中使用大部分子集作爲訓練集，剩餘的子集作爲測試集。這樣，每個樣本在每次迭代中都有機會充當測試集的一部分，從而使得模型的評估更加全面和準確。
交叉驗證的一箇常見變體是K折交叉驗證，其中數據集被均勻地分成K個子集。在每次迭代中，K-1個子集被用作訓練數據，剩下的1個子集被用作驗證數據。這個過程重複進行，確保每個子集都曾作爲驗證數據使用過。最終，模型在所有摺疊上的性能的平均值被用來評估模型的泛化能力。
交叉驗證不僅有助於評估模型的性能，還有助於解決過擬合問題，因爲它可以提供對模型在未見數據上表現的更準確的估計。