Um cientista de dados utiliza validação cruzada k-fold para avaliar o desempenho de um classificador. Sobre a razão de usar essa técnica, é correto afirmar que a validação cruzada
A
elimina totalmente o risco de overfitting.
B
substitui a necessidade de separar conjuntos de treino e teste.
C
garante que todos os modelos treinados terão a mesma acurácia.
D
reduz a dependência de uma única divisão treino/teste, permitindo uma estimativa mais robusta de generalização.
E
é usada apenas para algoritmos de regressão, não de classificação.