k-fold cross validation中的小问题

  交叉验证 (Cross validation)的基本思想：将原始数据集分组，一部分做为训练集 (training set)，另一部分做为验证集(validation set or test set)。首先用训练集对分类器进行训练，再利用验证集来测试训练得到的模型(model)，以此来做为评价分类器的性能指标。常用的交叉验证方法包括Holdout、k-fold、Leave-one-out以及Leave-p-out等。相对于其他方法，k-fold cross validation的优势在于，所有的样本都用于了训练和验证，且每个样本只被验证一次，因此具有更高的可信度。该法的步骤如下：     

(1) 将验证集S平均分割成K个子样本集，分别为S1、S2、Sk