我目前正在参加几个Kaggle机器学习竞赛，我有一个快速的问题。我们为什么在这些竞赛中使用交叉验证来评估我们的算法效果呢？

在这些竞赛中，你的算法在公共排行榜上对实际实时数据的测试得分难道不会更准确地反映你的算法效能吗？

回答：

交叉验证是模型构建中必要的一步。如果交叉验证结果不佳，那么在实时数据上尝试也没有意义。你用于训练和验证的数据集也是实时数据，对吗？所以，结果应该相似。如果不验证你的模型，你对其性能没有任何了解。在训练集上达到100%准确度的模型，在验证集上可能会给出随机结果。

让我重申一下，交叉验证不是实时数据测试的替代品，它是模型构建过程的一部分。