我对使用交叉验证进行模型构建有点陌生，但目前正在使用相对较小的数据集（n = 70）进行工作，我想尝试并应用这种技术。
根据我的理解，一种实现此目的的方法是执行嵌套的k折叠交叉验证，其中内部和外部折叠旨在分别指定模型和模型超参数。折痕的数量似乎是凭经验确定为k = 5或k = 10，以优化任何偏差-方差关系。
我的问题是/是：是否存在有效的“过小”样本量，无法使用这种方法？对于70名受试者，两个交叉验证步骤各10次折叠将有效地导致0-1名受试者的小划分。另外，在这种情况下（例如LOOCV），其他交叉验证技术是否会“更好”地工作？如果是这样，有人可以参考任何示例代码或资源以入门吗？
我认为答案最终“取决于”数据本身以及折叠之间的稳定性如何。