核心要点
解释 K-Fold 流程：回答时要先解释它的含义，再补一句适用场景或工程例子，避免只背名词。
与单次 hold-out 的对比
注意数据泄漏：回答时要先解释它的含义，再补一句适用场景或工程例子，避免只背名词。
简要回答
把数据分成 K 份，每次用 K-1 份训练、1 份验证，轮换 K 次取平均指标，充分利用有限数据且评估更稳定。
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只背概念不会举例；混淆相似术语；忽略工程落地约束（成本、延迟、数据质量）。
追问
追问 1：什么时候用留一法（LOOCV）？
样本极少（如 n<30）且单次训练成本低时，LOOCV 几乎用尽数据；否则计算量为 n 倍训练，深度模型通常用 k-fold（k=5/10）或 hold-out + 早停。
追问 2：交叉验证能用于深度学习吗？
可以但成本高：需训练 k 个模型。小数据集可用 stratified k-fold；大模型常用单次划分 + 验证集早停，或用 nested CV 做超参搜索。注意数据泄漏（先划分再增强/归一化）。
🔗 相似问题
同一考点的不同问法，换着练更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习
