Satu kali pemisahan pelatihan dan validasi dapat membuat model tampak luar biasa bagus atau luar biasa lemah. Validasi silang mengulang perbandingan pada beberapa partisi data pelatihan yang disisihkan. Setiap baris mendapat giliran berada di luar proses fit. Jaga agar preprocessing tetap di dalam pipeline sehingga setiap scaler hanya mempelajari fold-nya sendiri. Anda akan mengumpulkan skor per fold, merangkum sebarannya, dan membuat probabilitas out-of-fold. Set uji akhir tetap dipisahkan karena memilih model berdasarkan skor yang berulang sudah merupakan bentuk seleksi. Kejadian langka juga membutuhkan cukup contoh positif di setiap fold; skor tidak berguna ketika kelas yang dibutuhkannya tidak ada.
Validasi silang melakukan fit ulang seluruh pipeline di dalam setiap fold pelatihan.