线性回归每次训练的结果都不一样

将原始数据随机分为两组，一组做为训练集，一组做为验证集，利用训练集训练分类器，然后利用验证集验证模型，记录最后的分类准确率为此分类器的性能指标。训练集与测试集按比例划分，这个划分选取是随机的，并不是每次将顺序打乱，很次训练结果不一样有些人可能认为是数据的顺序被打乱了，其实不是的。

好处：
处理简单，只需随机把原始数据分为两组即可
坏处：
但没有达到交叉的思想，由于是随机的将原始数据分组，所以最后验证集分类准确率的高低与原始数据的分组有很大的关系，得到的结果并不具有说服性。