在进行K折交叉验证时，每个折叠都有不同的验证集和略有变化的学习集。假设你从第一个折叠进展到第二个折叠。你在第一个折叠中学到的东西是如何传递到第二个折叠迭代中的？目前看起来你只是计算了准确率，而模型的学习结果被丢弃了，没有保留。

我错过了什么？如果这样的模型被保留了，它是如何保留的？对于DQN和KNN的方法是否有不同？

回答：

K折交叉验证不会在每次迭代中重新训练模型。相反，它会训练和评估K个不同的独立（可以并行化）的模型，使用数据集的不同折叠，但使用相同的超参数。这样做的目的不是为了得到更准确的模型，而是通过计算聚合验证分数来获得更准确的（从统计学角度而言）验证（即：你可以估计模型准确率的均值和标准偏差）。

然后，你可以保留其中一个模型，并使用聚合估计来评估其指标（而不是使用该模型在特定折叠中计算的指标），或者使用完整的数据集从头开始训练一个新模型。在后一种情况下，你对模型指标的最佳估计仍然是之前的聚合指标，但可以使用一个新的未使用的测试集来估计新的指标。那么，为什么要这样做呢？这是因为你通常会将交叉验证与超参数调整结合使用。因此，每次调整超参数时，你只需检查交叉验证的聚合指标估计。但是，当你完成模型调整后，你将使用未见过的测试集计算最终的指标。