Перекрёстная проверка (кросс-валидация) и традиционный метод разбиения на тренировочную и тестовую выборки отличаются подходом к оценке производительности модели. 12

При традиционном методе данные разбиваются на две части с выбранным соотношением, после чего модель проверяется на реальных данных и можно получить более достоверный результат. 2

При кросс-валидации датасет делится на несколько частей, одна из которых — тестовая, а остальные — тренировочные. 23 Далее тестовый фолд последовательно меняется местами с тренировочными таким образом, чтобы были перебраны все возможные местоположения тестового чанка. 2 Всего получается несколько комбинаций. 2 Затем обучается и тестируется несколько одинаковых моделей, после чего находится среднее их результатов. 2 Этот метод позволяет получить более точную оценку производительности модели, так как использует все доступные данные для обучения и тестирования. 1