訓練と検証の1回の分割では、モデルが異常に良く見えたり、異常に弱く見えたりすることがあります。交差検証は、訓練データのいくつかの取り分けた区分で比較を繰り返します。各行が一度ずつ当てはめの外に出ます。各スケーラーが自分のフォールドだけを学習するように、前処理はパイプラインの中に置いてください。フォールドのスコアを集め、そのばらつきを要約し、Out-of-foldの確率を作ります。繰り返しのスコアからモデルを選ぶことはすでに選択の一種なので、最終的なテストセットは別にしておきます。まれな事象では、すべてのフォールドに十分な陽性の例も必要です。必要なクラスがないと、スコアは役に立ちません。