Elle évalue le modèle sur plusieurs séparations des données, ce qui réduit la dépendance à une séparation particulièrement favorable ou défavorable.

Elle entraîne directement le modèle sur les données de test afin d'améliorer son score.

Elle supprime les caractéristiques difficiles avant chaque évaluation.

Elle garantit des performances identiques sur toutes les données jamais vues.