我们将学习流程进行以下的调整：

        （1）首先，将数据集分为两部分，分别是训练集和测试集；

        （2）将要调整的超参给定一个值，比如说 epochs = 100；

        （3）将训练集随机平均的分为 k 份，依次选择其中的一份作为验证集，剩余的仍然作为训练集，或称为某一折。因为可以有 k 份不同的验证集，所以总共有 k 折；

        （4）在某一折上，通过训练集算出参数，然后在验证集上算出准确率；

        （5）在不同的折上，重复（3）（4）步，得到 k 个准确率，将这些准确率的平均数作为最终的结果，并记录下来。（3）（4）和（5）可以图示如下（假设 k=5 ）：

        （6）然后，不断调整超参数，比如说 epochs = 200；不断重复（3）（4）（5）和（6），直到找到平均准确率最高的超参数；

        （7）最后，使用找到的超参数，在整个训练集上进行训练，这样就可以使用更多的数据用于训练。

上述的（3）（4）和（5）步骤就是 k 折交叉验证（英文：K-fold Cross Validation）。

整个学习过程变成下面这样：