就是有两个自变量相乘！

交叉验证的目的好像是选择模型和验证模型的时候使用的，并不是楼上说的模型里增加交互项。

在回归分析中，直接运用交叉验证，可以用来评价不同模型的好坏，指标就是最终比较不同回归模型下的MSE，如果是10-fold cv，可以将你的30组观测值随机分为10份，也就是每份3组观测值，然后在取出每一份之后，运用剩余的27组数据进行回归建模，给出MSE，最终遍历完成后，会得到10个MSE的值，然后取平均，对于不同的模型，都按照此方法，得到mean(MSE),最终取MSE均值最小的为最佳的回归模型。这里需要注意的是，在评价分类器，模式识别或机器学习时，那里的数据集样本量较大，需要先对数据集进行划分，training set ,test set ,然后在training set 中在划出validation set进行CV

悬赏太少了。

我也正在做，不知道谁会啊