简单验证
原理: 将数据集划分为训练集（例如 2/3 数据）和测试集（例如 1/3 数据）。
变形: 随机子选样（参见图 15.4）。
操作流程:
- 加载数据集（例如 Iris 数据集）。
- 使用“Split Data”操作符将数据划分为 80% 的训练集和 20% 的测试集。
- 将训练集输入“Decision Tree”决策树模型进行训练。
- 将测试集输入“Apply Model”应用模型，应用训练好的模型。
- 使用“Performance”性能测试操作符评估模型在测试集上的准确性（参见图 15.5）。
K-次交叉验证
原理: 将数据集分为 k 个子集，轮流使用其中 k-1 个子集进行训练，剩余 1 个子集进行测试，重复 k 次。