Кросс-валидация (cross-validation) — это метод оценки качества моделей машинного обучения. 3 Он помогает избежать переобучения и обеспечивает более точную оценку моделей. 3

Принцип работы кросс-валидации заключается в разделении имеющегося набора данных на две или более части. 4 Одна часть используется для обучения модели, а другая — для проверки её качества. 4 Этот процесс повторяется несколько раз с использованием разных разбиений данных, чтобы получить более надёжную оценку производительности модели. 4

Кросс-валидация позволяет:

• оценить производительность модели на новых данных; 4
• выявить переобучение модели и настроить гиперпараметры; 4
• сравнить различные алгоритмы машинного обучения и выбрать наиболее подходящий. 4