交叉驗證（Cross-validation）是一種在機器學習和統計學中常用的技術，用於評估模型的性能。
交叉驗證的主要思想是將數據集分割成不同的訓練集和測試集，其中訓練集用於模型的訓練，而測試集用於評估模型的預測性能。這種方法的關鍵特點在於，它通過多次重複使用數據集（即“交叉”），每次使用不同的數據子集作爲測試集，從而得到模型性能的多箇評估結果。這些重複評估的結果通常被平均起來，以得到一箇更加穩定和準確的模型性能估計。交叉驗證有助於評估模型的泛化能力，即模型在新數據上的表現，從而防止過擬合或欠擬合的問題。
此外，交叉驗證還有助於優化模型的超參數，通過在訓練集上訓練模型，並在驗證集上評估不同參數組合的性能，從而選擇最優的參數。