我的课程笔记列出了交叉验证具有悲观偏见的两个原因。第一个是针对在较少数据上训练的模型测量准确性，我理解。但是，第二个原因我不明白。假设，当我们进行交叉验证并将我们的数据 D 划分为训练集 D_i 和测试集 T_i 时，在给定 D 的情况下，D_i 和 T_i 不是独立的（甚至是互补的）。

但是，我不明白为什么这与我们使用固定测试集​​的情况不同：如果我们有一个训练集 D 和一个测试集 T，那么在 D 和 T 的联合下，T 和 D 也不是独立的。这种情况下没有偏见，所以我希望交叉验证也没有偏见（除了模型在较少数据上训练的事实）。当然，由于我们为交叉验证训练的不同模型使用重叠数据，我希望它们的准确性是相关的，这可能会导致更高的方差，但我不明白这会如何产生偏差。