Cross-Validation (Validación Cruzada)

Técnica estadística utilizada para evaluar el rendimiento y la capacidad de generalización de un modelo de aprendizaje automático.

Consiste en dividir el conjunto de datos en múltiples subconjuntos o "folds", entrenando el modelo en una combinación de ellos y validándolo en el restante.

Este proceso se repite varias veces con diferentes divisiones, y los resultados se promedian para obtener una estimación más confiable del desempeño del modelo.

Ayuda a mitigar problemas de sobreajuste y proporciona una evaluación más robusta que la simple división en conjuntos de entrenamiento y prueba.

Frecuentemente utilizada en la selección y ajuste de hiperparámetros para optimizar el modelo antes de desplegarlo en datos reales.