我有一个包含198个观察数据和122个特征的数据集，以及两个在某种程度上平衡的类别（积极类别为54％）。
我的框架使用10倍交叉验证（x10）来选择模型参数（kernelPLS），并为测试集留出一次。具体而言，对于每次观察，我使用19次观察以10倍CV（重复10次）训练模型，并使用最终的组合模型来预测遗漏观察的标记。
我目前使用我的火车/验证装置（95％使用.05 SD）获得了非常好的准确性，这是完全100倍。但是，我在测试集（LOOCV）中的准确率仅为64％。有什么想法吗？
我认为多重交叉验证可以解决潜在的过度拟合问题吗？
谢谢！