回答:
どういたしまして。ただし、相互検証は、メソッドがどの程度オーバーフィットしているかを評価するのに役立ちます。
たとえば、回帰のトレーニングデータのR 2乗が0.50で、交差検証されたR 2乗が0.48である場合、過剰適合はほとんどなく、気分が良いです。一方、クロスバリデーションされたR-2乗がここで0.3のみの場合、モデルのパフォーマンスのかなりの部分は、実際の関係からではなく、過剰適合によるものです。そのような場合、低いパフォーマンスを受け入れるか、オーバーフィットの少ない異なるモデリング戦略を試すことができます。
交差検証は、過剰適合を最小限に抑えるための優れた手法ですが、完璧ではありません。
持っているデータが予測しようとしているデータを表していない場合、クロスバリデーションは外部データに対してうまく機能しません！
クロス検証に欠陥がある場合の2つの具体的な状況を次に示します。
また、統計学習のスタンフォードコースのこれらのビデオをお勧めします。これらのビデオは、相互評価を効果的に使用する方法に関してかなり詳しく説明しています。