1. 原理步骤：

1. 第一步，不重复抽样将原始数据随机分为 k 份。
2. 第二步，每一次挑选其中 1 份作为测试集，剩余 k-1 份作为训练集用于模型训练。
3. 第三步，重复第二步 k 次，这样每个子集都有一次机会作为测试集，其余机会作为训练集。 在每个训练集上训练后得到一个模型，用这个模型在相应的测试集上测试，计算并保存模型的评估指标，
4. 第四步，计算 k 组测试结果的平均值作为模型精度的估计，并作为当前 k折交叉验证下模型的性能指标。

2.优点

1. 充分利用所有数据，在数据规模较小的情况下有优势
2. 在数据量较少的情况下，能使用较少的测试数据获取可靠度更高的准确度
3. 不需要精心设计测试集，实验结果能客观代表所有数据的分布

3.缺点

1. 计算量较大，实验成本较高，业内k的经验值为10，意味着要训练十次，得到十个模型
2. k折验证法实质上是在验证模型的性能指标，对模型的选型有重要意义，但在同等计算量的情况下，对模型的性能提升不一定明显