K-fold cross validation
คือวิธีการในการคาดเดาค่าความผิดพลาดของแบบจำลอง (model) โดยจะเริ่มจากการแบ่งชุดข้อมูล training set ออกเป็นส่วนๆ ทั้งหมด K ส่วนเท่าๆ กันและทำการคำนวณค่าความผิดพลาดทั้งหมด K รอบ โดยแต่ละรอบคำนวณข้อมูลชุดหนึ่งจากข้อมูล K ชุด เลือกออกมาเพื่อเป็นข้อมูลทดสอบและเหลือข้อมูลอีก K-1 ชุดจะถูกใช้เป็นข้อมูลสำหรับการเรียนรู้

โดยปกติในงานวิจัย นิยมใช้ K-fold cross validation ใช้ K=10 ทั้งนี้ก็ขึ้นอยู่กับข้อมูลในงานวิจัยนั้นๆ ด้วย

https://www.researchgate.net/figure/Diagram-of-k-fold-cross-validation-with-k-10-Image-from-Karl-Rosaen-Log_fig1_332370436