Cross Validation(交叉验证)的思想是充分利用训练集来验证模型的精度。

一般来说，交叉验证会特地说明是用的多少fold。中文一般翻译为折。

一个k-fold cross validation是把训练集随机的分成等数量的k份，每一份数据集轮流当验证集，剩下的k-1的数据集当训练集。因为一共有k个数据集，所以我们就有可以验证k次。我们把这k次的预测精度的平均值当作模型的预测精度。

下图就是一个4-fold cross validation。我们先把数据随机分成四等份（如果不能被k整除，我们就大概近似k等份）。

下面进行交叉验证。首先是把第1个数据集当作测试集，用2，3，4当作训练集来训练模型，再用训练好的模型来预测数据集1，对比其真实值，得到了一个预测精度。然后再把数据集2当作测试集，用1，3，4训练出一个新的模型，在数据集2上测试，又得到一个预测精度。依此类推，我们就可以得到4个预测精度。将它们取平均值，就得到了模型的4-fold cross validation的预测精度。