我正在使用 Matlab 使用交叉验证 (CV) 方法训练前馈 NN。我对CV方法的理解如下。（错的地方请指正）

1. 让作为标签集X的整个数据集。Y拆分X为 90/10 的比例得到：[Xtrain,Xtest]通过调用cvpartition(Y,'Holdout',0.1,'Stratify',true)

2. 将 CV 应用于Xtrain：对于每一折，我都计算了准确度。在 CV 循环结束时，我有一个平均准确度得分。让我们accCV表示这个变量。CV 循环内部xtrain进一步拆分为[xtrain_cv,xtrain_val].

3. 在 CV 循环之后，我重新初始化权重并使用Xtrain. 然后我得到一个训练准确度，我用变量 表示accTrain。

4. 使用在步骤 3 中获得的模型，我测试评估模型的目的，并将其视为泛化性能，即当我们有一个看不见的未来数据时的性能，Xtest。我称这种准确性为accTest。

问题 1：在不使用 CV 方法时，accCV是否会低于训练集的准确度？Xtrain那就是我只调用一次NN模型Xtrain并记录准确度并用变量表示accTrain，那么有可能accCV ~ accTrain吗？或者直观地说，accCV在不使用 CV 方法时应该接近准确度，因为数据集是相同的，即Xtrain. 如果是这种情况，那么为什么在 CV 之外使用 CV，我们不重用在 CV 内部创建的模型？它告诉我们什么？

问题2 ：如果不使用 CVaccCV < accTest对整个数据集的准确率Xtrain接近accTest( accTrain ~ accTest) 我们做错了什么？最好的情况是什么？是accCV ~ accTest吗？