K-fold 交叉验证将数据分成 k 个 bin，每次使用 k-1 个 bin 进行训练，1 个 bin 进行测试。性能测量为所有 K 次运行的平均值，err ← err + (y[i] − y_out)^2 如 Wikipedia 和文献中所示

   err ← 0
   for i ← 1, ..., N do
    // define the cross-validation subsets
     x_in ← (x[1], ..., x[i − 1], x[i + 1], ..., x[N])
     y_in ← (y[1], ..., y[i − 1], y[i + 1], ..., y[N])
     x_out ← x[i]
     y_out ← interpolate(x_in, y_in, x_out)
     err ← err + (y[i] − y_out)^2 
   end for
   err ← err/N

但是从训练中获得的参数呢？它是所有训练的平均值，还是从 k 折交叉验证中的最佳输出中挑选出来的？我们是否需要在 k-fold 交叉验证中运行相同的 ML 算法，或者每个折叠可以有不同的算法？我认为我们只需要为 k-fold 运行一种算法，并且对于每个单独的算法，我们需要运行 k-fold 交叉验证。