在 loocv 方法中，我们将数据集划分为一个数据点作为测试数据，而所有剩余的数据点作为我们的训练数据。然后，我们通过使用这个 n-1 个训练数据与 1 个测试数据来验证我们的模型。我们像这样执行 n 次迭代，其中 1 个测试数据被转发，剩余的 n-1 个数据是我们的新训练数据。这适用于时间序列分析。然后我们找到获得的 n rmse 值的平均值。而在 k 折方法中，我们将整个数据集划分为 mot k 折，其中一折将是测试折，而 k-1 折将是训练折。然后，我们通过针对 1 个测试折叠训练 k-1 个训练折叠来验证我们的模型。我们进行这样的 k 次迭代并平均 k rmse 值。这里的测试折叠前后移动。因此它不能用于时间序列分析，因为它会与时间混淆。如果某处有误，请有人纠正我

留一法拟合具有 k-1 个观测值的模型，并对剩余的观测值进行分类。它与您的描述不同，因为此过程再重复 k-1 次，而忽略了不同的观察结果。您可以从 Lachenbruch 和 Mickey 在 1968 年的原始论文中了解到这一点。在我的回答中，我将 k 视为完整样本量。在 k 折交叉验证中，它具有不同的含义。