广义交叉验证（generalized cross validation），管理学-管理科学与工程-预测理论与方法-预测模型选择准则-广义交叉验证，一种为了解决普通交叉验证在某些情况下不适用而提出来的交叉验证方法。在统计学中，一次验证是将样本数据集分成两个子集，其中一个子集用于训练称为训练集，另外一个子集用于验证、分析模型的有效性称为测试集。为了减少交叉验证结果的可变性，需要对一个样本数据集进行多次不同的划分，从而得到不同的互补子集进行多次交叉验证。多次交叉验证需要确定正则化模型的正则参数。但是在某些情况下，普通的交叉验证并不适用，无法确定最佳的正则参数，因此需要引入广义交叉验证。普通交叉验证是由D.M.艾伦（D.M.Allen）在回归背景下提出的，之后G.沃赫拜（G.Wahba）和S.沃尔德（S.Wold）讨论、确定了多项式回归中多项式次数的背景，在光滑样条背景下提出普通交叉验证。P.克雷文（P.Craven）和沃赫拜、B.W.西尔弗曼（B.W.Silverman）、D.M.贝茨（D.M.Bates）、沃赫拜等人提出了所谓的广义交叉验证标准。