我有一个关于使用交叉验证进行模型参数调整（模型训练）和模型评估（测试）的基本问题，类似于机器学习中的模型调整和模型评估

我知道建议只使用训练集（测试集保持“未见”）来调整模型参数（“mtry”，我使用的是随机森林（RF）），即训练集进一步分为训练集和验证集进行k-fold交叉验证以获得最佳参数值。

但是，如果我希望进行 k 折交叉验证以评估模型准确性（在从整个数据集中采样的不同测试集上测试训练模型），我会感到困惑。是否正确的模型评估程序是：

（1）简单地重新运行RF，CV只使用训练集调整参数'mtry'到不同的训练-测试集分区？虽然只有 1（一个）训练集的实现/分区在开始时用于调整“mtry”？或者我应该使用不同的训练集实现来调整“mtry”吗？

(2) 在不用于调整“mtry”的测试集的 1（一）实现（开始时）的不同引导样本上使用调整后的“mtry”运行 RF？

谢谢你，如果我的写作有点混乱，我很抱歉。