K 折验证：
在这种情况下，您将数据拆分为 K 个相同大小的分区。对于每个分区 i，在剩余的 K-1 个分区上训练一个模型，并在分区 i 上对其进行评估。
您的最终分数是所获得的 K 分数的平均值。当模型的性能显示出基于训练测试拆分的显着差异时，此方法很有用。
带洗牌的迭代 K 折验证：
这适用于可用数据相对较少且需要尽可能精确地评估模型的情况。
它包括多次应用 K 折验证，每次在将数据拆分 K 种方式之前对数据进行混洗。最终得分是每次运行 K 折验证时获得的得分的平均值
如果有人可以帮助显示 k 折和迭代 K 折之间的差异的示例代码或流程图，我无法理解实现迭代 k 折。