Sie trainiert das Modell direkt mit den Testdaten, um dessen Ergebnis zu verbessern.

Sie entfernt vor jeder Bewertung schwierige Features.

Sie bewertet das Modell anhand mehrerer Datenaufteilungen und verringert dadurch die Abhängigkeit von einer einzigen günstigen oder ungünstigen Aufteilung.

Sie garantiert eine identische Leistung auf allen bisher unbekannten Daten.