定义
LOOCV，全称为留一交叉验证，意指只使用原本样本中的一项作为验证集，而剩余的则留下来当做训练集。这个步骤一直持续到每个样本都曾被当过验证集为止。 事实上，这等同于k折交叉验证，其中k为原本样本个数[1]，使用LOOCV的必要性在于：防止过拟合，评估模型的泛化能力。
基本原理
图 1 LOOCV操作过程示意图
如上图1所示，假设我们现在有n个数据组成的数据集，那么LOOCV的方法就是每次取出一个数据作为验证集的唯一元素，而其他n-1个数据都作为训练集用于训练模型和调参。最终训练得到n个模型，对应n个验证误差。而计算最终误差则就是将这n个误差取平均。
优势及劣势分析
LOOCV的优点在于，其不受训练集和验证集划分方法的影响，因为每一个数据都单独的做过验证集。同时，其用了n-1个数据训练模型，也几乎用到了所有的数据，保证了模型的偏差更小。但是其缺点在于，需要进行n次训练及验证，计算量过于大。
参考文献
[1] https://web.stanford.edu/~hastie/ElemStatLearn/
