為了更客觀地評估 AI 模型的效能，資料科學家將資料集分成 5 等份，輪流以其中 1 等份作為測試資料，其餘 4 等份作為訓練資料，重複進行 5 次訓練與評估，最後將各次評估結果取平均。上述方法稱為下列何者？
答案 （C）
核心概念
資料切 k 份、輪流當測試、結果取平均，這套流程叫交叉驗證。
拿考前模擬考比喻：有五份考卷，每次留一份當模擬考、其他四份拿來讀，五次輪完，五次成績平均起來，比只考一次更能反映真實實力。
交叉驗證（Cross-Validation）就是這樣：每一筆資料都當過一次測試資料，評估結果比單次切分穩定，也不容易剛好切到特別簡單或特別難的那一份。
答題技巧
快速判斷技巧：看到「分成 k 等份、輪流測試、取平均」，答案是交叉驗證（Cross-Validation）。 ・切 k 份輪流 → 交叉驗證 ・只切一次 → 保留法（Hold-out Validation） ・有放回重複抽 → 自助抽樣（Bootstrapping） ・很多棵樹投票 → 隨機森林（Random Forest），是模型
易錯陷阱：(A) 隨機森林跟交叉驗證都有「隨機」「多次」的味道，容易混。 關鍵差異：交叉驗證是評估方法，隨機森林是模型，題目問的是「評估效能的方法」。