در واقع در این روش داده های آموزش را به روش بدون جایگزینی resample می کنیم جزئیات کار بدین صورت هستش که ما K بار دقت مدل را محاسبه می کنیم و سپس از دقت های های بدست آمده میانگین می گیریم نتیجه حاصله میشه دقت نهایی کلاسیفایر.
در هر مرحله داده های آموزش را به K بخش تقسیم می کنیم فرض کنید که k=10 باشه 9 بخش را برای آموزش و یک بخش برای validation استفاده میشه.
در پایان این نکته را هم ذکر کنم چون باید K بارباید دقت را برای کل دیتاست محاسبه کنیم اگر دیتاست مدنظر ما خیلی بزرگ باشه می تونیم کار را کوچک تر در نظر بگیریم که نه تاثیری در دقت نهایی داره و هم باعث میشه بار محاسباتی هم کمتر شه اگر هم دیتاست مد نظر ما کوچک باید باید تعداد K را افزایش بدیم چون ممکن دقت نهایی افت کنه.