在保留交叉验证（hand-out cross validation）中，随机将训练样本集分成训练集（training set）和交叉验证集（cross validation set）,比如分别占70%，30%。然后使用模型在训练集上学习得到假设。最后使用交叉验证集对假设进行验证，看预测的是否准确，选择具有误差小的模型。
k折交叉验证（K-fold cross validation），就是把样本集S分成k份，分别使用其中的(k-1)份作为训练集，剩下的1份作为交叉验证集，最后取最后的平均误差，来评估这个模型。
留一法（leave one out， LOO）就是m-fold cross validation，m是样本集的大小，就是只留下一个样本来验证模型的准确性。
作者：Chown
链接：https://www.zhihu.com/question/39259296/answer/91866308
来源：知乎
交叉验证只能说用在模型的检测上，但是不能用在产品测试（比如face++ sdk），不能再折回训练模型。下图是用seetaface 在lfw测试集上一次性测得的结果。这里包括了1037个域值，其中第一个域值0.9，第二个域值为0.6，可以说在域值大于0.5的条件下，正真率在假真率处于低位的情况下在0.6位置徘徊。
