对于大学，我们需要对 3 种癌症类型进行分类，并估计我们的模型的表现如何。我们收到了一个包含 100 个样本的数据集。我们使用比率为 0.3 和 0.7 的分层抽样将数据分成训练和测试集。生成的训练集由 69 个样本组成，测试集由 31 个样本组成。

我们使用 10 倍交叉验证来计算模型的准确性。当对大多数模型在测试集上应用相同模型时，测试集上的准确度比在训练集上使用交叉验证时差 10-15%，除了一个模型在测试集上的准确度比在测试集上好 2%在交叉验证期间。

我们现在遇到的问题是交叉验证的两个最佳评分模型没有显着差异，一个的准确度为 88.57% +/- 12.45%，另一个准确度为 88.00% +/- 7.92%。但是，在测试集上，第一个得分为 76%，第二个得分为 90%。

如果我们理解正确，我们不能根据测试集的结果选择第二个模型作为最佳模型，因为那样我们就会使用测试集作为训练集。相反，我们希望使用重复的交叉验证来提高我对交叉验证结果的信心，从而希望能够选择最好的模型。

对于我们拥有的小数据集，如果我们重复交叉验证并取平均值，我们会遇到相同折叠会被多次使用的问题吗？