只切一次训练集和验证集，结果可能受切分运气影响。数据换个分法，指标就上下浮动，让人难以判断模型真实水平。交叉验证通过多次切分求平均，让评估更稳定。
K 折交叉验证把数据分成 K 份，轮流用其中一份做验证、其余做训练，重复 K 次后取平均。常见 K 取五或十，折数越多评估越稳，但计算成本也越高。
分类任务要用分层抽样，保证每折正负例比例接近整体，否则某折可能几乎没有正例，指标失真。时间序列数据不能用随机切分，要按时间顺序切，避免未来信息泄漏。
交叉验证主要用于模型选择和调参，最终上线模型仍要用独立测试集或线上实验验证。把交叉验证结果当成最终效果，是常见但危险的误用。
