先试想一下，对于一个简单的二分类问题，我们如何选择合适的算法？
我们有许许多多的H，如何选择出最为合适的算法？
最合理的方法是：对于每一个H，我们选择出E最小的g，然后对于各个g，再选择E最小的。然而，我们并不知道E怎么求。
使用E显然不合理。
我们之前就说过，E的作用相当于E。每次我们得到数据，都切出一块数据来模拟test数据，切出来的数据叫做validation数据。
过程就是：
1.对于我们拥有的数据D，分成两份D和D；
2.使用D训练每一个H，然后使用D挑选出最好的H；
3.对于H重新使用D，训练。
究竟D的sizeK大小为多少合适呢？
Leave-One-Out Cross validation
假设K=1，有：
这么做的问题是什么呢？
一是计算量太大，实际上不能实现；二是不稳定。
所以可以使用V-fold Cross Validation