Una sola división en entrenamiento y validación puede hacer que un modelo parezca especialmente bueno o especialmente flojo. La validación cruzada repite la comparación en varias particiones reservadas de los datos de entrenamiento. Cada fila queda fuera del ajuste una vez. Mantén el preprocesamiento dentro del pipeline para que cada escalador aprenda solo con su partición. Reunirás las puntuaciones por partición, resumirás su dispersión y crearás probabilidades fuera de partición. El conjunto de prueba final sigue aparte, porque elegir un modelo a partir de puntuaciones repetidas ya es una forma de selección. Un evento poco frecuente también necesita suficientes ejemplos positivos en cada partición; una puntuación no sirve de nada cuando falta la clase que necesita.
La validación cruzada vuelve a ajustar todo el pipeline dentro de cada partición de entrenamiento.