我有一些数据，我想用这些数据建立一个模型（比如线性回归模型）。在下一步中，我想在模型上应用 Leave-One-Out Cross-Validation (LOOCV)，看看它的性能如何。

如果我对 LOOCV 的理解正确，我会使用除此样本（训练集）之外的每个样本为我的每个样本（测试集）构建一个新模型。然后我使用模型来预测测试集并计算错误$(\text{predicted} - \text{actual})$.

在下一步中，我汇总使用所选函数生成的所有错误，例如均方误差。我可以使用这些值来判断模型的质量（或拟合优度）。

问题：这些质量值适用于哪个模型，那么如果我发现从 LOOCV 生成的指标适合我的案例，我应该选择哪个模型？LOOCV 看着$n$不同的模型（其中$n$是样本量）；我应该选择哪一个模型？

• 是使用所有样本的模型吗？在 LOOCV 过程中从未计算过此模型！
• 是误差最小的模型吗？