La validation croisée découpe les données d'entraînement en k plis : le modèle est entraîné k fois, chaque pli servant tour à tour de validation. La moyenne et la dispersion des scores donnent une estimation plus stable de la performance qu'un seul découpage, au prix d'un temps de calcul multiplié.
Exemple
cross_val_score(modele, X, y, cv=5)